新闻、仓库与研究，按时间排列。
Rimworld Mod「RimworldVerbalCommands」让玩家用自然语言向智能体下达殖民地指令，如按武器编组、按技能设工作优先级、按小人划分活动区，或完全交给智能体代玩殖民地。目前正用 Anthropic 的 claude-haiku-4-5、claude-sonnet-5、claude-opus-5、claude-opus-5-5、claude-fable-5-1 测试，支持在 router_model.txt 更换路由模型，并可通过 .env 配置 anthropic、openai、ollama、lmstudio、openrouter、gemini 等提供方；附带 Claude Code skill 与 54 天人类游玩参考记录供代玩 agent 使用。
开源仓库 flow-mpc-examples 实现了基于 flow-matching 策略（flow、safeflow）对 CasADi MPC 专家的模仿学习，采用 DAgger 训练，系统为 Franka FR3 七关节机械臂，每个关节建模为三重积分器（jerk 作为动作），策略直接以末端执行器目标位姿和机器人状态为条件，无观测编码器。仓库依赖 Pinocchio 与 OMPL（均来自 PyPI），并包含 CasADi MPC（ProxQP）、OMPL RRT-Connect 规划器及 SafeFlowMPC 安全投影等模块。
Nexus Omni-Robot 人形机器人平台将 20% 专有架构开源，涵盖感知栈、32 自由度逆运动学求解器和任务路由的 Swarm Router，其余 80%（执行器控制、能源管理等）保持闭源。硬件采用 360° LiDAR、4 个深度相机、双 NVIDIA Jetson Orin 计算、120 Nm 无刷电机与 8 小时续航的 48V 固态电池，并提供基于 ROS 2 和 Gazebo 的仿真环境。项目以 NEXUS-OPEN 3.0 许可发布，要求署名且禁止对衍生作品申请专利。
aayush-mistry 在 GitHub 开源了 Project Genesis 仓库，一个采用 Clean Architecture 的模块化文明模拟引擎，后端计算世界状态，前端可任意接入可视化，前后端完全解耦。项目为 monorepo，使用 React + Vite、Node.js + Fastify + Prisma（SQLite）和 TypeScript，已完成的阶段包括 Time Engine、World、Citizen、AI Decision、Economy、Financial 引擎，以及 Phase 7.8.x–8.x 的经济智能、季节农业产出、资源再生与冷重启持久化等功能。
GitHub 新开源仓库 Vedha-AI 是一套企业级 AI 求职操作系统，用户上传一次 Master Resume 并提供任意职位后，可获得保证数据不失真的定制简历、ATS 评分卡和自动化多渠道投递。其 Copilot 内置 7 个动态技能模块与 14 轮滑动记忆，支持 LinkedIn Easy Apply、Naukri、Greenhouse、Lever、Ashby 和 Workday 投递管线，并由 AI Playwright Worker 自动填表，提交前暂停以保留求职者完全控制权。技术栈采用 ASP.NET Core 10、PostgreSQL 16 + pgvector、Redis 7、NATS JetStream、MinIO 与 Google Gemini 驱动的 Chrome 扩展。
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。
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。
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。
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。
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。
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。
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。
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%。
GitHub 上的 Petus19/hospital-delivery-robot-sim 是一个医院配送机器人仿真项目，仓库包含 src/hospital_sim 源码、maps 地图与 scenarios 场景目录、tests 测试及 GitHub Actions workflows，并附 LICENSE 与 pyproject.toml 配置文件。
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。
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。
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。
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。
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。
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。
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。
LumaBrowser 2.0.4 发布，项目此前已完全开源。本次更新新增 moss-image 生成、并行工具调用、llm tuning、curated chrome store、pseudo site API，并改进文本转语音、语音转文本、语音克隆与 CV computer use。详细变更见发布说明。
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。
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。
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。
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。
GothicAI 项目通过 LLM 管理《哥特王朝 2 NotR》的 NPC，并计划加入新机制与剧情线生成。AI 运行在独立服务中，游戏内只保留轻量桥接：Python 编写的 AI 服务器负责对话、人格、记忆与语音输入，ASR 使用 Voxtral，TTS 使用 VoxCPM2，也支持 Inworld TTS-2 和 OpenAI 兼容 API。项目基于修改版 OpenGothic 引擎，提供 gothic-launcher 一键启动服务与游戏，并可用 Real-ESRGAN 将角色纹理放大 4 倍。
GitHub 开源项目 Intelligent-Lighting-Control-System-Pro 采用 PC 上位机加 ESP32-S3 单片机的异构协同架构，在 16×16 WS2812B 矩阵上实现多模态具身光影交互。系统在 RTX 4060 上本地部署 Qwen2.5-7B-Instruct 牧濑红莉栖 Agent，集成 Mem0 记忆与 MCP 函数调用，并支持 MediaPipe 3D 手势追踪、视线追踪与面部情绪识别。项目使用 ESP-IDF 原生 RMT DMA 驱动，目标实现 60FPS 渲染、灯控 CPU 占用率低于 2%、视觉延迟小于 35 ms、大模型 TTFT 小于 250 ms，遵循 MIT License 开源。
UCUSpaceRobotics 在 GitHub 发布 traversability-costmap 仓库，面向 Indomitus 火星车，用自监督学习从 RGB-D 图像直接预测地形可通过性（预期打滑和底盘振动），训练数据来自火星车自身的 IMU 与里程计数据，无需人工标注。项目为参加 European Rover Challenge 而开发，生成 2 通道动态 costmap，可接入 ROS 2 Nav2 栈，帮助火星车主动规避复杂地形、减少人工干预。代码采用 MIT 许可证开源。
GitHub 上的 VLA-Handbook 是一个全中文、工程实战导向的 VLA 知识库，含 688 篇理论文档、165 篇英文社区实战笔记、300+ 条中文社区蒸馏和 47 条 GitHub Issues 工程经验。2026-06-11 更新后全库从 254 篇扩至 380 篇，修复 200+ 失效内链，并上线行业情报雷达与每日自动 pipeline，提供 4 个 RSS feed 和一键 OPML 订阅。
cyberkyd01 在 GitHub 发布 AI-Browser-Automation v1.6.0，一个运行在浏览器侧栏的 AI Agent 扩展，可连接 LM Studio、Ollama 本地模型或 OpenAI、Anthropic、Gemini、OpenRouter 等云 API，对当前页面执行阅读、点击、输入、填表等操作。v1.6 新增 Thinking 与工具开关控制，v1.5 加入跨聊天记忆与进度记录，v1.2 起任务在面板关闭后仍于后台继续运行；支持 Chrome、Chromium 系浏览器和 Firefox，需 Chrome 116+ 或 Firefox 128+，本地模型建议上下文至少 16k、理想 32k token。
作者发布开源 DSH Blender 插件 v1.0（BSD-3-Clause），通过 127.0.0.1:9876/9877 的直连 TCP 通道让 AI 模型操作 Blender，无需点击或 MCP server，模型侧能力面固定为 15 个工具。功能包括视口取景（50–100 ms）、内层搜索循环 blender_rt_loop（160 ticks/s）、无头进程渲染、事务回滚、预设库和作业层，计划通道覆盖 28 个家族 183 个 ops；验收标准为 blender_viewport(op=doctor) 返回 kind=ok，支持 WSL/Windows/macOS/Linux，需 Blender 4.x/5.x、Node.js ≥ 20 和单独安装的 DSH Blender Bridge 插件。
推荐理由：作者以自测延迟数据和完整验收命令呈现了让 AI 通过 TCP 直连驱动 Blender 的方案，部署方法可直接照做。
GitHub 开源项目 EMOrobo 推出一款基于 Raspberry Pi 的 AI 桌面机器人。其集成 Pygame 蓝色眼睛动画、Ollama 本地 LLM、自定义 Whisper 语音唤醒词 "emo"、Chatterbox TTS，以及 MediaPipe 手势/人脸/物体识别，并配备 4 个舵机、双 MPU6050 IMU、电容触摸和 Flask 网页遥控器。
GitHub 上的 OneBoard 是基于 ESP32 CYD（240×320 屏）的自安装多客户端硬件画布，无需重刷固件即可通过 WiFi 从商店加载 JSON 行为，变成计时器、温度记录仪、反应游戏、计数器、秒表、骰子等工具。网页、Telegram 机器人或 LLM 均可驱动并渲染其屏幕；tools/author.py 可让 LLM 生成并校验行为后直接推送到开发板，首次开机通过 captive portal 配网，无需串口线。
rusenask 发布开源项目 bar-ai-sub-commanders，让玩家在 Beyond All Reason 中把建造者、工厂或小队划区委托给自主子指挥官，角色涵盖经济、防御、防空、陆军和情报。可选的 LLM 策略师通过 opencode agent 会话和 MCP 工具每 30 秒调整各子指挥官的姿态、角色和区域，支持任何 OpenAI 兼容的工具调用模型；另有毫秒级决策模型负责工厂出兵选择。规则引擎每半秒处理所有单位级操作，不依赖 AI。实测中纯规则子指挥官对 BARbarian medium 多数能存活但未获胜，对 hard 为 6 局 1 胜，单位交换约 1 杀 4 损。项目采用 GPL-2.0 许可。
推荐理由：原文给出了规则引擎与 LLM 策略师的分工设计和实测战绩，读者可以据此判断这套自主指挥架构的实际强度与局限。
开源 C# 服务端模组 BarotraumaLLMAI 将《潜渊症》每个船员机器人变成独立 LLM 智能体：机器人定期接收 JSON 观察，通过 tool calling 让 LLM 选择行动，由游戏原生指令执行，走路、焊接、治疗和战斗仍由原版 AI 处理。支持 OpenAI 兼容 API（Ollama、vLLM、OpenRouter 等）和 Anthropic，机器人可互相通信、记笔记、跨回合记忆玩家偏好，玩家可用聊天文本下达指令。代码含 217 个测试并通过模拟器验证，尚未在真实游戏中运行。
开源项目 Chexsa 是一个能直接操作电脑的 AI 助手，可逐步查看屏幕、决策并执行任务。目前已支持浏览器操作（打开网页、点击输入、搜索、多标签页、上传文件）和"Hey Chexsa"语音唤醒，语音经 SpeechRecognition 包用 Google Speech Recognition 转写；Windows 应用控制仍在开发中。项目目前主要面向 Windows，处于早期实验阶段，通过 pip 安装并支持 OpenAI 兼容接口或 Gemini 作为模型提供方。
isaacbitran 在 GitHub 发布了一个完全基于 NumPy 和 PyGame 构建的自动驾驶汽车模拟器。每辆车由一个小型前馈神经网络（6→4→2）控制，输入 5 个距离传感器和当前速度，输出转向与加速指令，并通过进化算法在每代 60 辆车的世代中演化权重和偏置，保留前 50% 个体并配合变异与可选交叉。项目支持可变变异率、传感器可视化、动态渲染和自定义赛道生成。
dofliu/deviceCntCtrlLLM 推出 V7.0 開發版本，新增模擬設備 VLAB-G3 與二進位幀通訊協定，支援手冊不提供驅動範本以及產生 XY 控制程式。離線 Node 與無頭 Chromium 驗證中，真實 Claude 無範本驅動＋產生控制程式在 P2、G3 的 seed 42、2026、3140、8675 共 10 組均 5/5，仍非統計結論。
在 Samsung Galaxy S21 上本地运行 Gemma 4 E2B（Q3_K_M）作推理模型、Qwen3.5-0.8B（Q4_K_M）作执行模型，无微调完成 Amazon 上 200 美元内组装 Instax Mini 12 套装任务。两次运行分别以 2 件商品 190.98 美元和 4 件商品 143.86 美元结束于 READY_FOR_HUMAN_REVIEW，未实际下单。原始会话约 51 分钟，日志、脚本与 SHA-256 哈希已公开于 GitHub 的 e2llm/edge-browser-agent。