跳到正文
11月21日周六
  1. 量子位77

    GPT-6.2 Astra具身实测:16项任务成功率较GPT-6 Astra翻倍

    XDOF对GPT-6.2 Astra的Ember-0实测显示,其16项双臂操作任务综合成功率从两个月前GPT-6 Astra的19.6%升至41.2%,并完成给绳子打结、展开T恤两项此前无AI通关的任务。评测以六台YAM工作站并行、每项任务重复30次并由人工标注子步骤与失误,其中用夹子夹起面包的成功率从10%提升到90%;模型平均预测延迟从15秒降至10.1秒。

    推荐理由:原文给出GPT-6.2 Astra与GPT-6 Astra在16项双臂操作任务上的成功率对比,可据此评估通用大模型进入机器人控制的真实进度。

11月20日周五
11月19日周四
  1. IT之家42

    地平线发布 LoFT 原生视频几何基础模型,多项指标达到 SoTA

    地平线机器人实验室发布原生视频几何基础模型 LoFT,可从 RGB 视频联合预测相机位姿、内参及逐帧深度,恢复场景三维结构。该模型采用双循环 Transformer 架构,基于约 297 万条有效训练序列、9.62 亿帧图像完成规模化训练。在 SpatialBench、ClassicBench 和 VRBench 三套评测中,LoFT 在多项深度估计指标上达到 SoTA。

11月16日周一
  1. IT之家80

    不调用图像模型,Anthropic Claude Fable 5.2 用 Python 代码模拟真实画笔作画

    Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2 模型,其中 Fable 5.2 不调用图像生成模型,而是编写 Python 代码模拟画笔、颜料与画布逐笔作画。

    推荐理由:原文给出 Fable 5.2 用代码逐笔作画的实现细节,并与 GPT-6 Astra 在机器人控制基准上对比,可看出两类模型的能力差异。

11月14日周六
11月12日周四
11月11日周三
  1. 量子位82

    英伟达发布 GR00T 2 机器人基础模型,首批 10 万小时数据率先开源

    英伟达在 CoRL 大会发布新一代世界动作模型 GR00T 2,可同时预测未来画面与机器人动作,模型、数据、仿真环境与采集硬件将陆续开源,首批 10 万小时人类数据已开放。

    推荐理由:原文拆解了 X-Adapt 跨本体迁移路径与人类视频数据实验,读者可看到大规模人类经验如何转化为机器人执行能力。

11月10日周二
  1. IT之家60

    智元发布 WITA-Omni 全模态交互大模型,号称行业首个具身全模态端到端交互大模型

    智元发布 WITA-Omni(硅光动语全模态大模型),官方称其为行业首个具身全模态端到端交互大模型。模型基于机器人本体感知数据训练,除音视频外新增触觉、本体状态等输入,以及机器人动作、表情等输出;采用流式全双工架构,可边听边想边应边动,交互响应最快约 400 毫秒、平均约 600 毫秒,较业内平均水平快近 3 倍。

11月7日周六
11月6日周五
  1. Hugging Face Blog64

    NVIDIA 发布 Cosmos 3 交互式世界模拟开放模型

    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。

11月5日周四
11月4日周三
10月30日周五
10月29日周四
10月28日周三
  1. 爱范儿78

    Google DeepMind 发布世界模型 Genie 4,支持实时音频与两分钟交互模拟

    Google DeepMind 发布新一代世界模型 Genie 4,单次交互模拟时长从约一分钟延长至两分钟,首次支持实时生成环境声音、音乐与人物对话,用户可在运行中输入提示词改变天气、添加人物和物体。

    同一新闻,精选展示《Google DeepMind 发布 Genie 4 新一代世界模拟模型》

  2. Ars Technica · AI46

    DeepMind 发布 Genie 4 世界模型:物理效果与人类表现更真实

    Google DeepMind 发布 Genie 4 世界模型,在物理模拟和人物表现上比 Genie 3 更真实。该模型无需预渲染环境或编程交互元素,可根据指令逐帧实时生成可探索的体验。DeepMind 将世界模型视为迈向 AGI 的关键,称其可为物理机器人创造无限训练环境,付费用户有望较早用上 Genie 4。

  3. Google DeepMind80

    Google DeepMind 发布 Genie 4 新一代世界模拟模型

    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。

10月26日周一
10月24日周六
  1. 量子位66

    高德发布开放世界全身基座模型λ0,真机任务成功率较最强基线提升22.5%

    阿里巴巴集团旗下高德发布首个基于开放世界行为的全身基座模型λ0,仅依靠人类行动数据即可让机器人学习移动、姿态与双手操作的全身协调。λ0在SIMPLE仿真基准及多项真机评测中取得SOTA表现,数据采集效率约为主流方法的3.4倍,真机任务成功率较最强对比基线提升22.5%,并构建了包含500小时开放世界无本体全身数据的HumanVerse-500数据集。

10月22日周四
  1. IT之家53

    小鹏 IRON 人形机器人能力升级:每 0.2 秒重新推理一次,可预测 6 秒内动作变化

    小鹏汽车宣布第二代 VLA 大模型全新升级,获得更强的时序理解与未来行为预测能力,并已端侧落地到人形机器人 IRON 上。IRON 每 0.2 秒根据眼前画面重新推理一次并预测 6 秒内的动作变化,在握手、碰拳、击掌中能应对临时变招,让观察、判断与调整连成实时闭环。小鹏计划 2026 年底实现人形机器人量产,2027 年上半年开启交付,率先落地门店、商场等商业场景。

10月21日周三
  1. NVIDIA Blog80

    NVIDIA 扩展开放模型家族,推进欧洲跨行业主权智能

    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。

10月19日周一
  1. IT之家37

    大晓机器人发布具身基模型 ACE-Brain-0.6,六项空间感知评测超越 OpenAI GPT-6 Astra

    大晓机器人发布视觉空间锚定增强型具身基模型 ACE-Brain-0.6,基于 Qwen3.5-9B 监督微调,使用约百万条空间锚定训练样本。该模型在八项 Grounding 评测中有六项超过 OpenAI GPT-6 Astra,七项公开基准平均 74.53 分对 73.68 分,真实机器人场景评测 RobotGrounding 为 94.13 分对 91.10 分。

  2. 量子位81

    VAST 开源实时世界模型 EdenLive,单张 RTX 5090 上 720P 超过 24FPS

    VAST 发布并开源实时世界模型 EdenLive,在单张 Nvidia RTX 5090、720P 条件下,其 5B 模型生成速度超过 24FPS,支持分钟级连续生成,端到端延迟为百毫秒级。

    推荐理由:原文拆解了状态维护与视觉渲染解耦的技术路线,读者可据此判断实时世界模型在交互场景中的适用边界。