Google DeepMind 发布 Gemini Robotics 2.5,加速真实世界通用灵巧操作
Google DeepMind 发布 Gemini Robotics 2.5,为其目前最强的视觉-语言-动作(VLA)模型,可学习的技能广度与掌握速度均有提升。
推荐理由:原文给出 200 项任务评测和奔驰工厂 96% 成功率实测,读者可据此评估 VLA 模型在工业场景的落地进度。
Google DeepMind 发布 Gemini Robotics 2.5,为其目前最强的视觉-语言-动作(VLA)模型,可学习的技能广度与掌握速度均有提升。
推荐理由:原文给出 200 项任务评测和奔驰工厂 96% 成功率实测,读者可据此评估 VLA 模型在工业场景的落地进度。
NVIDIA 在 CoRL 大会发布一系列开源机器人技术,包括 GR00T 2 世界动作模型、Isaac Lab 3.0 仿真框架及 DexBench、VABAR 等工业基准。
推荐理由:原文汇总了 GR00T 2、Isaac Lab 3.0 与新基准的能力数据,读者可比较仿真训练方案在工业场景的落地进展。
NVIDIA 在 Hugging Face 发布 Cosmos 3 模型家族的四个开放权重检查点,分别用于多视角驾驶数据生成、同步相机与 LiDAR 流式仿真、仿真器控制转视频以及双臂机器人动作预测。
推荐理由:四个检查点分别覆盖驾驶数据生成、流式仿真与机器人操作,并开放后训练配方,读者可据此评估迁移到自身场景的路径。
Google DeepMind 发布新一代世界模型 Genie 4,可实时生成交互式模拟,并原生生成环境音、音乐与可适应输入的角色对话。模型结合 Gemini 系列能力,Gemini 3.8 Flash 作为引导智能体维护场景连贯,还可与 Gemini 4 Argon 及 Gemini Robotics 联动模拟多步骤机器人任务。
推荐理由:原文将 Genie 4 的能力拆为实时操控、物理与人物动作、原生音频和复杂事件模拟四部分,并说明了研究预览版的开放范围与已知局限。
NVIDIA 扩展 Cosmos 平台,新增训练工具、仿真检查点和 Cosmos Data Factory 蓝图,帮助物理 AI 开发者构建、评估和部署世界模型。
推荐理由:原文把数据、训练到部署各环节的工具与落地案例写得较具体,读者可据此评估其中哪些方法能迁移到自己的世界模型开发流程。
Hugging Face 推出 SimReady Central,汇集超过 2,000 个仿真就绪的 OpenUSD 资产,为机器人仿真和 AI 工厂数字孪生提供免费开放起点。
推荐理由:原文说明了 SimReady 资产如何补齐碰撞几何、质量与摩擦等物理属性,读者可据此把现成 3D 模型直接用于仿真工作流。
NVIDIA 宣布扩展其开放模型家族,新成员覆盖语言、机器人、生物和量子计算,组织可用本地数据定制并在自有基础设施上部署。
推荐理由:原文按语言、机器人、生物和量子等领域逐一列出各开放模型的能力与可用入口,读者可据此判断哪些模型适合纳入本地化部署。
NVIDIA 创始人兼 CEO 黄仁勋在 GTC Berlin 2026 发表主题演讲,发布 DSX POD 参考设计,将现场部署从六个月缩短至 14 天,并推出面向智能体安全的 OpenShell 参考架构与 Agent Knowledge Foundation。
推荐理由:原文把 AI 工厂、智能体安全与开放模型串成一条可落地的技术路径,读者可据此对照自身基础设施规划。
NVIDIA 发布 Cosmos3-H-Dreams,一个基于 Cosmos 3 的实时生成式手术仿真器,可在单张 RTX PRO 6000 GPU 上交互运行。
推荐理由:它把交互式生成仿真从桌面缝合推进到临床胆囊切除场景,并开放模型、代码与蒸馏配方,具身智能团队可按这套方法迁移到自有数据。
Google Research 分享三项研究进展,推动 AI 智能体在真实湿实验室中安全、闭环地完成设计-测试-改进循环。VERID 框架基于开源 PyLabRobot 构建实验室语义数字孪生,提供 3D 状态追踪、虚拟试运行、硬件安全校验与同步日志。
推荐理由:原文系统呈现智能体在湿实验室闭环科研中的框架设计与实证结果,可了解 AI 自动化实验的关键瓶颈与解法。
Google DeepMind 发布最新前沿模型 Gemini 4 Argon,面向开发者、企业和消费者全球开放。该模型在 Vals Index 排名第一,API 输入价格为每百万 token $2、输出为每百万 token $10,支持 1M token 的统一输入输出上限。
推荐理由:原文给出了新模型在编码、科研和具身智能等领域的实测数据与安全机制,读者可据此评估其在复杂任务中的实际能力边界。