跳到正文
只看具身智能
今天10月26日周一4 条
  1. GitHub · 灵魂体仓库68

    OmOWright 发布：给 AI 智能体用的 Playwright 形态浏览器自动化库

    code-yeongyu 发布开源库 OmOWright，为 AI 智能体提供 Playwright 形态的浏览器自动化 API，设计思路来自 Jun 关于 Aside 浏览器智能体登顶 Online-Mind2Web 等榜单的文章。

    推荐理由：README 讲清了为何让模型沿用 Playwright 接口、如何压缩快照与处理滚动采集，方法可迁移到其他 GUI 智能体工程。

  2. GitHub · 去对齐工具与仓库43

    factorio-codex 0.38.1 发布：用 Codex 智能体在 Factorio 里规划工厂

    GitHub 开源项目 factorio-codex 发布 0.38.1 版本，展示 Codex 智能体如何思考并规划 Factorio 工厂：两个推理会话通过纯文本工具操控名为 Codex 的游戏角色，策略模型的思考过程显示在屏幕面板上。项目需 Factorio 2.0.x 与 Space Age 资料片、Node.js 22.12+，经 MCP 服务器与 RCON 桥接运行，存档永久和平且会禁用成就；所有者还可运行 20 分钟基准测试，使用 1-4 个推理会话和多种 GPT-6 配置。

  3. GitHub · 灵魂体仓库60

    People of the Iliac Bay 更新：Daggerfall Unity 模组让 NPC 持久生活并接入本地 LLM 对话

    Daggerfall Unity 模组 People of the Iliac Bay 发布 10 月 26 日测试跟进更新，通过持久家庭、日常行程、有限卫兵和可选本地 LLM 对话让 NPC 生动起来。本次更新去除 NPC 物品栏创建时的重复世界拷贝，启动卡顿从 3,097ms 降至 8.92ms，核心测试 2121/2121 通过；对话需单独配置本地模型服务器，默认使用 Gemma + Breeze，项目仍为开发快照，尚无完整安装包。

    推荐理由：开发者给出启动卡顿从 3,097ms 降到 8.92ms 等实测数据和明确的未完成清单，读者可据此判断项目当前的真实完成度。

  4. GitHub · 灵魂体仓库64

    Buddy 发布 Android 浮窗应用，让 Claude Code、Codex、OpenCode 等智能体操作手机

    开源项目 Buddy 发布 Android 应用，通过悬浮窗让 Claude Code、Codex、OpenCode、Antigravity 或 Grok 直接操作手机，支持读屏、点按、输入语音等任务，无需 PC、adb、root 或 API key。智能体运行在应用内的 Alpine Linux（proot）中，通过 127.0.0.1 的本地 MCP 服务器调用无障碍服务的手机工具；发送、支付、删除等操作须用户审批，且从不输入密码。要求 64 位 Android 11+，可在 Google Play（封闭测试）下载或获取 APK，版本 2.2，采用 Apache-2.0 许可。

    推荐理由：原文讲清了让 Claude Code 等智能体在 Android 上直接操作屏幕的架构与权限做法，含本地 MCP 和审批兜底等可迁移细节。

10月25日周日
  1. GitHub · 去对齐工具与仓库69

    anima3 发布：用 logprob 选择替代 LLM 生成 JSON 的 System One 大脑

    uotavern 发布 anima3，一个驱动 anima-client 的轻量 System One 大脑：把 Observation 转成文本场景（可访问性树），用代码枚举当前合法动词的闭式菜单，由本地模型按选项字母的 log-probabilities 选择一个，从不生成文本，无需解析且不会答到菜单之外，低置信度时回退到规则自己的首个动词。默认后端为本地 Qwen3-4B（logprob 模式），实测在 M5 上每次决策约 96–150 ms 且 $0；文中给出离线与 ServUO 实机数据，包括 77 个测试、战斗/经济/多人村庄/决斗等场景、置信度门控实测（ECE 0.585）以及实验 3 中 Qwen 自主决策显著差于规则（p < 0.001）的结果。

    推荐理由：作者先跑测试再定架构，用闭式动词菜单加 logprob 选择避免文本生成，还给出多场景实测延迟与置信度校准数据，方法可迁移。

  2. GitHub · 灵魂体仓库36

    eridon-pro/dofbot-llm-physical-ai：LLM + ROS 2 + 计算机视觉驱动 Yahboom DOFBOT-Pi 实机机械臂的 Physical AI 项目

    开发者在 GitHub 上的 dofbot-llm-physical-ai 项目中，用 Yahboom DOFBOT-Pi（Raspberry Pi 5、6DoF）机械臂结合 OpenAI LLM、ROS 2 Humble 与计算机视觉，实现从自然语言指令到实机抓取动作。LLM 只输出如 {"action":"sort","color":"red"} 的结构化 JSON，不生成控制代码，由预设 ROS 2 节点经 HSV 颜色识别、位置估计与逆运动学完成抓取，以提升安全性和可复现性。目前支持 red、green、blue、yellow 四色指令，但图像坐标到机器人坐标的转换精度仍存在偏差导致偶尔抓取失败。

  3. GitHub · 去对齐工具与仓库31

    llm_wiki_knowledgebase：自动驾驶 VLA 与扩散规划模型知识库汇总

    GitHub 仓库 atanas1054/llm_wiki_knowledgebase 汇总了自动驾驶领域的 VLA 与扩散规划模型，包括 ReCogDrive（89.6 PDMS NAVSIM-v1）、Reasoning-VLA（91.7 PDMS）、DriveSuprim（93.5 PDMS）及 Drive-JEPA（93.3 PDMS）等数十个项目，涵盖 GRPO 强化学习、世界模型、masked diffusion 等方法，并标注各自在 NAVSIM、nuScenes、Bench2Drive 上的评测成绩。

  4. GitHub · 灵魂体仓库26

    SwarmLLM-Bench：大语言模型驱动的多智能体协同控制仿真平台开源

    开源仿真平台 SwarmLLM-Bench 将 LLM 集成到 OODA 循环中，用于实时无人机蜂群协同控制。平台采用 FSM + LLM 混合架构和四层安全护栏防止幻觉，基于 Gymnasium 模拟空气动力学、电量与通信延迟。在对抗场景中，相比纯 FSM 基线，任务成功率从 0% 提升至 88%，无人机存活率达 97%，OODA 循环频次提升 27 倍。

  5. GitHub · 去对齐工具与仓库62

    a11y-computer-use 0.4.3 发布：让 AI Agent 点击真实 UI 元素而非猜测像素

    Perception Dynamics 开源 a11y-computer-use，让 AI Agent 读取剪枝后的无障碍树并按 ref 点击真实 UI 元素，而非依赖截图坐标猜测，经单一 MCP server 支持 macOS、Windows、Linux 与 Chromium。0.4.3 在 macOS 26 上捕获速度提升 100 倍，0.4.2 关闭首批三个由 Agent 提交的 issue 并加入 user_active 与真实 macOS 弹窗请求授权机制。基准对照中 refs 方式 13/13 完成且 0 误点花费 $7.04，截图坐标 7/13 完成且 27 次误点花费 $11.74；Windows 端 ref 重解析与坐标输入尚未实现。Apache-2.0 协议。

    推荐理由：同一规划器下与截图坐标方案的 13 任务对照数据齐全，含成本、误点和完成数，可据此评估无障碍树方案的取舍。

  6. GitHub · 灵魂体仓库16

    Print Buddy：在 Discord 上准备并管理 3D 打印的开源工具

    开源项目 Print Buddy 2.1.0 支持通过 Discord 准备和管理 3D 打印，分享 MakerWorld 或 Printables 链接或上传 STL/3MF 文件，在明确确认后才能开始打印。它内置 Flashforge AD5X 和 Sovol SV06 配置文件及通用 Klipper/Moonraker 适配器，使用 OrcaSlicer 切片，Bambu Lab A1 和 P1S 仅支持离线切片。运行于 Raspberry Pi 4/5 或 64 位 Debian/Ubuntu，可选集成 Spoolman、摄像头监控和延时摄影。

  7. GitHub · 灵魂体仓库25

    HZ.exe 1.0.0：把三个 Python/tkinter 小工具重构为单文件、零依赖的 Windows 托盘工具箱

    GitHub 灵魂体仓库将定时休眠、定时关闭应用、游戏加速三个 Python/tkinter 工具重构为原生 Windows 程序 HZ.exe 1.0.0，基于 .NET Framework 4.8，单文件 58.5 KB、零运行时依赖、托盘常驻。程序支持 --tab 等启动参数、Ctrl+1..4 切页、绝对时间戳倒计时避免睡眠唤醒后漂移。仓库另含 2048 AI 引擎，单核 13–18M 节点/s，18 局均分 231,928，16384 率 39%。

  8. GitHub · 3D 生成新仓库47

    Kino-Studios 开源 CINE：让无人机像摄影师一样运镜的规划系统

    D. Kosukhin 开源了 CINE，一个建立在 EGO-Planner 之上的电影感无人机航拍规划系统，可将避障路径重塑为符合三分构图、保持设定距离、避开强光并平滑减速的运镜轨迹。基于 B-spline 轨迹生成和模型感知，在 15 次仿真中，拍摄时峰值速度从 3.0 m/s 降到 1.2 m/s，焦点距离保持时间从 23.6% 提升到 76.4%；漂移校正神经网络使 RMS 位置误差从 0.25 m 降至 0.05 m。目前仅支持仿真运行，真机自主飞行尚未完成，论文摘要已被 AIAA SciTech 2027 接收。

  9. GitHub · 3D 生成新仓库56

    开源 Chrome 扩展 AI Batch Studio 发布，批量自动化 ChatGPT 与 Google Flow 生成任务

    开发者 AssemDeghady 开源了 AI Batch Studio，一个 Manifest V3 客户端 Chrome 扩展，用于在 ChatGPT 和 Google Flow 网页内批量执行提示词、管理参考图并自动下载媒体。项目无需 API key，直接复用登录会话以规避反爬验证；采用 4 级渐进输入提交验证与确定性状态机，未确认提交时标记 needs_attention 以避免重复生成；支持 Veo 2/3、Imagen 3 等模型，遵循 MIT 协议。

  10. GitHub · 3D 生成新仓库44

    Rollmon：浏览器单机宝可梦草稿自走对战游戏发布

    开源项目 Rollmon 是一款完全在浏览器运行的宝可梦草稿自走对战游戏：玩家通过「世代×属性」老虎机抽选六只宝可梦并配置配招，再由 AI 操作队伍挑战十个 Boss 队伍并上传排行榜。战斗 AI 采用 poke-engine（Rust 编译为 WebAssembly），由 @pkmn/sim（Pokémon Showdown 模拟器）裁定，均在本地 Web Worker 运行，无战斗服务器。游戏内置超过 1,100 套约 650 种宝可梦的配招，支持手机与中英日文，桌面端每 100 ms 可跑约 220k 次搜索迭代，iPhone 16 Pro 达其约 85%。

10月24日周六
  1. GitHub · 灵魂体仓库54

    CoworkLab 开源 agent-mobile-x，用手机端 App 加 Gemini 驱动安卓自动操控

    CoworkLab/agent-mobile-x 是一个通用自主安卓手机控制智能体，手机 App 充当本体，云端 LLM（Gemini，BYOK）负责推理和选工具，无硬编码命令解析。仅用 AccessibilityService 和公开 intent，无需 PC、ADB、root 或 Shizuku；银行/FLAG_SECURE 屏幕被禁止操作，锁屏无法打开，密码和验证码不存储，每步推理耗时数秒并消耗配额。支持模型配额耗尽后自动轮换（429 时按冷却阶梯重试），技术栈为 Kotlin 2.4、Compose、Room 等，minSdk 26 / targetSdk 36。

  3. GitHub · 灵魂体仓库31

    ApronPilot：基于 ROS 2 + Gazebo 的语音指挥机场机坪自动驾驶车辆仿真项目

    GitHub 开源项目 ApronPilot 在 ROS 2 + Gazebo 中仿真了一辆机场机坪自动行李牵引车：Whisper（faster-whisper）负责语音识别，Ollama 上的 LLM 解析 ATC 风格指令为结构化意图，但所有命令必须先通过确定性安全门（禁区、hold-short 线、限速、语音复诵确认）才会执行，不安全或含糊指令一律拒绝。仿真环境包含 A1–A4 四个机位、Bravo 与 Charlie 两条滑行道、A3 附近的受限发动机运行区，机器人采用差分驱动，配备 20 m 范围 360° 2D LiDAR 与 640x480 摄像头，通过 Nav2 规划路径。

  4. GitHub · 灵魂体仓库61

    fuba-browser 发布 3.6.0：面向 LLM 智能体的 Docker 浏览器自动化工具

    fuba 在 GitHub 发布 fuba-browser，这是一个运行在 Docker 中的 Chromium 浏览器自动化工具，通过 REST API 和 CLI（fbb）供 Claude Code 等 LLM 智能体控制浏览器，主打解决 Chrome DevTools MCP 的 token 消耗问题。工具提供 Snapshot/Ref 无障碍树元素定位、Web VNC 远程访问、认证状态保存加载、网络检查与下载捕获 API，可选 NVIDIA/AMD GPU 硬件加速，最新镜像为 ghcr.io/fuba/fuba-browser:3.6.0，MIT 许可，API 设计受 vercel-labs/agent-browser 启发。

    推荐理由：面向 LLM 智能体的 Docker 浏览器自动化工具，REST API 配合 Snapshot/Ref 定位，主打降低 Chrome DevTools MCP 的 token 消耗。

10月23日周五
  1. GitHub · 灵魂体仓库56

    Chetan Sroay 开源 Debutly：用 AI 智能体模拟首批用户实测 Web 应用

    开发者 Chetan Sroay 在 GitHub 发布 Debutly，用 Playwright 和 Chromium 驱动的 AI 智能体在真实浏览器中模拟首批用户，注册、确认邮箱、选套餐、邀请队友并使用产品，输出带复现步骤和截图的缺陷报告。支持无障碍需求模拟、怀疑型买家评估器、GitHub Actions 定时运行和成本上限，AGPL-3.0 开源；附多种模型对比，z-ai/glm-5.3-flash 每步 3.8 秒、每次运行 $0.004，与更贵的 google/gemini-3.8-flash 找到相同的 5 个种子缺陷中的 4 个。

    推荐理由：作者附上了多种模型在同一含种子缺陷测试应用上的对比数据，读者可以据此选驱动模型并控制成本。

  2. GitHub · 灵魂体仓库59

    AI-World 开源：十个智能体在本地 3D 世界里用真实神经网络自主生活与学习

    andrewsavio 在 GitHub 开源 AI-World，一个低多边形 3D 世界中十个有需求、性格和偏好的智能体以量子计算为目标自主学习和生活。每个智能体带两个 PyTorch 网络，技能脑用 mini-batch SGD 训练，决策脑用 REINFORCE 策略梯度强化学习，不含任何语言模型；全部在本地运行，无云端、无 API 密钥、无遥测，附 pytest 测试套件与 GitHub Actions CI。

    推荐理由：十个自主智能体在本地低多边形世界里用真实 PyTorch 网络学习与决策，全程无语言模型，架构与训练方法都写得清楚。

  3. GitHub · 3D 生成新仓库48

    bengreff/polytopia-ai：玩《The Battle of Polytopia》的神经网络开源项目

    GitHub 上一个非官方研究项目，训练神经网络在世锦赛赛制（1v1、Might、Lakes、小地图）下玩《The Battle of Polytopia》。模型先学习人类锦标赛对局，再通过逐代自我对弈提升，网站自动更新每代对战游戏最难 bot Crazy、上一代和第 0 代的战绩与对局回放。

  4. GitHub · 灵魂体仓库37

    neural-heist：训练 AI 队友的浏览器潜行动作游戏（IIT Patna capstone 项目）

    GitHub 上的 neural-heist 是一款浏览器潜行动作游戏，玩家在实验室中训练自己的 AI 队友并用于任务，共含 3 个任务，涵盖 k-NN 图像分类、Q-learning 强化学习与 RAG 邮件检索。任务 3 可选接本地 LLM（通过 Ollama 运行 qwen2:7b），未部署 LLM Worker 时助手会离线对检索到的邮件推理。项目状态为完成，含 56 个单元测试和 66 项浏览器检查，推送到 main 分支会自动发布到 GitHub Pages。

  5. GitHub · 灵魂体仓库19

    GitHub 灵魂体仓库 sepahead：基于 NCP 协议的四程序本地实验组合

    sepahead 仓库展示了一套以 NCP 协议为共享消息契约的本地四程序组合：Engram 运行 NEST 神经网络，CREBAIN 提供独立 3D 环境与传感器融合，Prisoma 记录实验与证据，Galadriel 做传感器篡改检测。各程序通过私有进程通道交换有界请求，其中 Engram 源码在私有 Paper2Brain 仓库，公开仓库仅为占位；本地 SDK 已发布 1.0.0，Haldir 则在 NCP wire 1.0 候选版外发布经签名验证的授权命令。

10月22日周四
  2. GitHub · 灵魂体仓库64

    pageqa 发布自然语言驱动的网页测试智能体，支持零模型回放与 CI 接入

    klren0312 发布 pageqa，一个自然语言驱动的网页测试智能体，LLM 解析意图后由 browserskill（bsk）驱动真实浏览器执行，输出文本/JSON 报告和 CI 可用的退出码。通过用例的操作会冻结为回放脚本，可用 --replay 零模型调用复跑，适合在 CI 中做回归。工具提供 TUI 交互模式，可实时查看进度与 token 用量、随时追加场景和切换模型，支持最多 8 并发、每场景独立子进程隔离、pageqa lint 静态检查和运行归档回看，需 Node.js ≥ 22.19，通过 npm install -g pageqa 安装。

    推荐理由：作者详述了用例回放免模型复跑、场景进程隔离和 TUI 的设计取舍，方法细节可直接借鉴到网页测试与 CI 场景。

  4. GitHub · 灵魂体仓库40

    Website-Intelligence-Agent：用 LLM 智能体对授权网站做只读技术侦察

    Website-Intelligence-Agent 是一个 GitHub 开源项目：用户就自己有权测试的网站提出技术问题，LLM 智能体驱动隔离的 Playwright 浏览器，捕获请求、脚本和 WebSocket 帧数据。它会索引并解析 JavaScript（暴露 source maps 时使用），跨文件追踪引用，最终返回附有逐字、可验证证据的发现。整个调查过程为只读操作。

10月21日周三
  1. Hugging Face Blog53

    Hugging Face 与 NVIDIA 推出 SimReady Central 开放仿真资产库

    Hugging Face 与 NVIDIA 宣布推出 SimReady Central Library，汇集超过 2,000 个带物理属性的 SimReady OpenUSD 仿真资产，免费、无门槛开放。资产覆盖机械臂、夹爪、仓储和冷却设备等，由 FANUC、Universal Robots、Vertiv、LG Electronics 等 OEM 提供，可用于机器人训练环境和 AI 工厂数字孪生，并支持 USD Search 自然语言检索与 GPT-6 Astra 辅助搭建 Isaac Sim 场景。

    推荐理由：由发布方直接介绍资产库的构成和OEM贡献方式，读者可以了解免下载门槛的仿真资产从哪里找、怎么用。

  2. arXiv · cs.CL45

    GPT-6-Astra 理解触觉并超越视觉-触觉-语言-动作模型

    研究者提出 GPT-as-Tactile-Policy 方法，让 GPT-6-Astra 将专家演示总结为任务指导与触觉参考，结合多模态观察与交互历史生成控制指令。无需机器人专用预训练或按任务微调，该方法在五项 UniVTAC 任务上达到 93.8% 平均成功率；在 Insert Hole 任务中，触觉反馈将成功率从 31% 提升至 99%。

  3. Hugging Face Blog59

    NVIDIA 发布 Cosmos3-H-Dreams 实时生成式外科手术模拟器

    NVIDIA 发布 Cosmos3-H-Dreams，把交互式生成模拟带入临床胆囊切除场景，官方称这是首个基于临床手术录像训练、支持实时运动控制的开源外科手术生成模拟器。模型基于 160 亿参数的 Cosmos3-H-Embodied-Nano，使用 CMR Surgical Versius 平台的视频与机器人运动学数据训练，采用 28 维动作、832 x 480 视频和 10 Hz 动作对齐，经 Self-Forcing 蒸馏出四步和两步去噪两个 checkpoint，并通过 FlashDreams 在单张 NVIDIA RTX PRO 6000 GPU 上交互运行。团队发布了代码、模型、数据集和完整的教师微调与蒸馏适配指南，并强调这是研究模拟器，不是经过验证的临床系统。

    推荐理由：NVIDIA 官方给出了从教师微调到 Self-Forcing 蒸馏的完整细节和四步、两步两个checkpoint，读者可以自己复现到数据集上。

  4. GitHub · 灵魂体仓库38

    mdsaifff/airquery：用手势和语音在浏览器里查询 3D 数据集的开源项目

    开发者 Mohammed Saif 发布 airquery，可用手部追踪转动镜头、用语音对 3D 数据集提问，查询在本地 DuckDB-Wasm 中运行，场景约 1 秒内重渲染，普通笔记本浏览器即可运行、无需 GPU。LLM 不直接写 SQL，而是填充 Pydantic 定义的 QuerySpec，经 schema 校验后编译为参数化 SQL。内置地震（6.4k）、飓风轨迹（6.7k）、陨石（31.9k）、深海珊瑚（14.5k）、全球机场（72.6k）、星图（15.2k）六个场景，支持导入自定义 CSV。

10月20日周二
  1. 80 Level · CG 与游戏美术20

    3D 艺术家 Mituhashi 在 VRChat 推出江户切子玻璃切割体验 Mituhashi Glass Crafts

    爱好江户切子的 3D 艺术家 Mituhashi 在 VRChat 推出体验 Mituhashi Glass Crafts，让用户尝试数字版日本传统玻璃切割工艺。该体验基于 Unity 制作，采用 RARAlabo 的玻璃器皿素材，提供可旋转切割轮，可切割平板玻璃及花瓶、酒杯等复杂器形，切割处会变为透明，还能调整切割角度与深度、开启辅助引导。作品可保存、导出为代码、导入 Kiriko 生成器或导出为 3D 物体在自己的世界中展示。

  2. GitHub · 3D 生成新仓库19

    awesome-text-to-motion：文本驱动人体运动生成资源合集开源

    GitHub 仓库 shuji77/awesome-text-to-motion 收录文本驱动人体运动生成的综述、数据集与模型，聚焦无人物-物体/场景交互的单人场景。仓库收录 HumanML3D、Motion-X、SnapMoGen、MotionMillion 等数据集及相关模型论文，并提供带交互可视化的项目页面，欢迎社区按 arXiv ID、会议、标签等格式提交补充。

  3. GitHub · 灵魂体仓库66

    agent-workspace-linux：给 AI 智能体一个独立隔离的 Linux 桌面

    jgunduz35 发布 agent-workspace-linux，为 AI 智能体提供独立的隐藏 X11 桌面，通过 MCP 驱动应用、键盘鼠标、截图和浏览器自动化，不触碰用户真实桌面和 Chrome。支持 bubblewrap 网络与挂载隔离、daemon 强制的权限上限、带暂停和只读控制的浮动查看器，约 86 个工具经技能按需加载，仅支持 Linux，MIT 许可。

    推荐理由：项目明确了三层权限边界由谁设定和如何强制执行，适合想给 AI 智能体隔离桌面环境的开发者参考部署思路。

10月19日周一
  1. GitHub · 灵魂体仓库46

    SayGuard：用 ASUS UGen300 同时看管所有工地摄像头，语音即可添加安全规则

    GitHub 开源项目 SayGuard 用一台 ASUS UGen300（Hailo-10H）分析工地或仓库所有摄像头流，支持用中文或英文语音添加安全规则，全部模型本地运行、视频不出场。原型中安全帽检测达 0.939 mAP50，10 路摄像头单检测器达 100 frames/s；CLIP 双检模型每条警报 15 ms、准确率 95.3%，优于生成式 VLM 的 91.7% 和 283 ms。系统用 YOLOv8s 检测、Whisper 语音识别和 Qwen2.5-1.5B 生成规则与日报，UGen300 零售价 NT$6,380、功耗 2.5 W，最多覆盖 12 路摄像头。

  2. GitHub · 3D 生成新仓库56

    Data-Generation-Server 开源：Blender 合成数据渲染管线

    jianghd1996 在 GitHub 发布 Data-Generation-Server，用 Blender Cycles + Python 把静止物体或人物放入三维环境，沿可控相机轨迹渲染视频与几何标注，适用于相机控制、视角扩充、三维重建及合成数据实验。管线涵盖素材下载与完整性校验、场景组合、球面双环轨迹、近中远景别、输出 RGB、主体 mask、深度 EXR 与相机内外参，并支持多 GPU 批量调度与固定随机种子复现；需要 Linux、NVIDIA GPU、Blender 4.2–4.5 和 ffmpeg，暂不支持动态人物与逐帧渲染恢复。

  3. GitHub · 灵魂体仓库48

    pscyk 发布 astra-control-lab：Astra 生成动作轨迹的机器人操控实验仓库

    GitHub 仓库 pscyk/astra-control-lab 开源了基于 Astra 生成动作轨迹的机器人操控实验，涵盖 COLOSSEUM V2 与 RLBench，测试残差修正与动作—观察回路，并附 Astra 编写的抽屉控制器作训练参考。在 PlaceDishInRack-v1 的 200 个场景中，Astra 基线完成率 10.5%，加 RL 残差后达 35.0%，随机搜索残差为 29.0%。主包仅用 Python 3.10+ 标准库，无需第三方库、GPU 或 API key；运行新机器人 episode 需自行准备模拟器与模型访问。

  4. GitHub · 去对齐工具与仓库58

    Matvel007 开源 Chromium 浏览器侧边栏 Agent browser-agent 1.0.0

    Matvel007 在 GitHub 发布 browser-agent 1.0.0，一个 Chromium 浏览器侧边栏 AI 助手，可读页面、点击、输入、切换标签页，并通过 DevTools Protocol 检查 console 和网络、搜索网页。支持 RouterAI、OpenAI、DeepSeek、Gemini、Anthropic 及 OpenAI 兼容端点等任意提供商，提供 29 个可单独开关的浏览器工具；工具输出有界，大数据存为 IndexedDB artifacts，完整聊天记录不会被压缩删除，/compact 只添加摘要卡片。需 Node.js 22.12+ 或 24/26+，MIT 协议开源。

    推荐理由：开源的浏览器侧边栏 Agent，29 个工具均可单独开关，上下文压缩保留完整聊天记录，适合想本地控制浏览器自动化的用户。