官方致谢注明代码来源；不据此推断权重或全部能力的继承。
A CROSS-DOMAIN READING LENS
从模型到世界.
机器人、自动驾驶与世界模型：沿着有出处的关系，阅读通用智能与物理系统的交汇。
01
从理解到动作
多模态知识进入机器人，感知与控制也沿自己的路线演进。
Qwen · UnifoLM · PointWalker ↗
02从推理到驾驶
通用模型与驾驶任务栈，如何走向同一个行动问题？
Gemini · EMMA · Alpamayo ↗
03从生成到世界
预测下一帧、可能的未来，还是可用于决策的环境？
GAIA-1 · Cosmos ↗
来源明确说明的联系相近方法，不代表继承本站建议对照阅读
理解、身体与控制
宇树官方仓库注明项目建立在这两项工作之上。
PPO 与点云注意力连接到四足运动策略，不依赖语言对话界面。
道路上的推理与行动
Waymo 明确将 EMMA 建立在 Gemini 之上。
原始 R1 架构将物理推理模型与扩散轨迹解码器结合。
本站建议对照专用任务栈与通用模型迁移，而非宣称继承。
对照机器人动作与驾驶轨迹如何用语言空间表示；不把两种任务的评估混为一谈。
生成未来，检验世界
都研究条件化的未来生成；此线不是代码或模型继承关系。
研究关系不是能力排名。仿真、真实硬件实验与商业部署是不同层次的证据。
从这些研究开始
PointWalker：直接从激光雷达原始点云学习无地图四足运动
PointWalker: Mapless Quadruped Locomotion Directly From Raw LiDAR Point Clouds
通过注意力机制融合激光雷达点云与机器人自身状态，以强化学习策略连接地形感知和四足运动。
UnifoLM-WLA-1.0：单一模型驱动的全身协调
UnifoLM-WLA-1.0: One Model Driven, Whole-Body Coordination
将具身理解、交互世界建模与动作学习放入通用人形机器人框架，覆盖桌面和全身操作。
小鹏 X-World：面向自动驾驶的可控多视角生成式世界模型
XPeng X-World: Controllable Multi-View Generative World Model for Autonomous Driving
使用多视角生成式世界模型，为自动驾驶闭环仿真、场景生成和模型验证提供支持。
Kimi K2.5：视觉智能体能力与多模态训练
Kimi K2.5: Visual Agentic Intelligence
探索文本与视觉的联合训练，以及多智能体任务分解能力。
UnifoLM-VLA-0：面向人形机器人操作的视觉—语言—动作框架
UnifoLM-VLA-0: A Vision-Language-Action (VLA) Framework under UnifoLM Family
以机器人操作数据继续训练视觉—语言模型，将指令与空间理解连接到动作预测。
Alpamayo-R1：连接推理与动作预测，应对自动驾驶长尾场景
Alpamayo-R1: Bridging Reasoning and Action Prediction for Generalizable Autonomous Driving in the Long Tail
以 Cosmos-Reason 与扩散轨迹解码器连接驾驶推理和动作预测，并研究推理与行动的一致性。
华为乾崑智驾 ADS 4：世界引擎与世界行为模型
Huawei Qiankun ADS 4: World Engine and World Behavior Model (WEWA)
官方发布 WEWA 架构，将云端生成式场景与车端世界行为模型连接到自动驾驶系统。
Cosmos：面向物理 AI 的世界基础模型平台
Cosmos World Foundation Model Platform for Physical AI
围绕视频处理、Tokenizer、预训练世界模型与后训练，构建可面向机器人和驾驶任务定制的世界模型平台。
EMMA：面向自动驾驶的端到端多模态模型
EMMA: End-to-End Multimodal Model for Autonomous Driving
以 Gemini 为基础，从摄像头输入与文本描述预测驾驶轨迹、感知对象和道路结构。
SAM 2：图像与视频的通用分割
SAM 2: Segment Anything in Images and Videos
把可提示分割从单幅图像扩展到视频，使用流式记忆与交互式数据采集。
Mixtral：稀疏专家混合语言模型
Mixtral of Experts
使用稀疏专家混合结构，研究激活参数与模型容量之间的关系。
GAIA-1：面向自动驾驶的生成式世界模型
GAIA-1: A Generative World Model for Autonomous Driving
将视频、文字与车辆动作映射为序列，生成受条件控制的驾驶场景与可能的未来。
UniAD：以规划为导向的自动驾驶
Planning-oriented Autonomous Driving
以驾驶规划为目标统一感知、预测与规划任务，通过查询接口协调任务之间的信息。
ApolloScape：自动驾驶开放数据集及其应用
The ApolloScape Open Dataset for Autonomous Driving and its Application
为自动驾驶的多传感器融合、语义理解与定位研究建立开放数据集和研究基准。