跳到正文

具身智能

AI 走进物理世界:人形机器人、具身基础模型与真实环境操作能力的进展追踪。

最新精选

第 1–16 条 · 共 16 条
11月11日周三
  1. The Decoder78

    Google DeepMind 发布 Gemini Robotics 2.5,在奔驰产线试点分拣金属件成功率达 96%

    Google DeepMind 发布视觉-语言-动作模型 Gemini Robotics 2.5,在奔驰匈牙利 Kecskemét 和德国 Sindelfingen 产线试点中,Apptronik 的 Apollo 2 机器人分拣金属件并按装配顺序放入托盘,成功率达 96%。

    推荐理由:读者可了解 Gemini Robotics 2.5 在奔驰产线试点中的成功率,以及配套开源越狱基准的测试结果。

11月9日周一
11月6日周五
  1. Hugging Face Blog70

    NVIDIA 发布 Cosmos 3 四个开放权重模型,用于交互式世界模拟

    NVIDIA 在 Cosmos 世界模型平台下新增四个 Cosmos 3 开放权重检查点,均为 Cosmos 3 Nano 的后训练版本,含 16B 可训练参数,采用 OpenMDW1.1 许可,允许商用与非商用。

    推荐理由:文章给出四个开放权重检查点的能力分工与四阶段训练配方,读者可据此判断如何适配到自有传感器与机器人本体。

10月21日周三
  1. NVIDIA Blog67

    黄仁勋 GTC Berlin 2026 主旨演讲:发布 DSX POD、OpenShell 与 Agent 知识层

    NVIDIA CEO 黄仁勋在 GTC Berlin 2026 主旨演讲中宣布多项产品,包括由合作伙伴在模块化集装箱内构建的 Vera Rubin AI 工厂参考设计 DSX POD,现场部署时间可从六个月缩短至 14 天。

    推荐理由:黄仁勋在 GTC Berlin 的主旨演讲集中披露了 AI 工厂、智能体安全运行时与开源模型的产品化路径,可据此了解 NVIDIA 在欧洲的生态布局。

10月16日周五
  1. The Decoder78

    Google 发布 Gemini 4 Argon,瞄准机器人全流程单一模型

    Google 发布面向机器人任务的 Gemini 4 Argon,宣称用同一模型完成机器人控制、虚拟仿真环境构建与训练视频评估。演示中它让 Boston Dynamics Spot 在 MuJoCo 仿真中练习后完成踩踏板投罐任务,并从单张照片生成 77 项任务、4500 多个训练回合,使真机成功率从 56% 升至 75%、执行时间从 35 秒降至 24 秒。

    推荐理由:通过多个机器人演示与提示词细节,读者可判断单一模型覆盖仿真、控制与评估的实际边界。

10月14日周三
  1. Google DeepMind88

    Google DeepMind 发布 Gemini 4 Argon 机器人模型

    Google DeepMind 发布 Gemini 4 Argon,主打物理理解、代码生成与视觉语义推理,在 Embodied Reasoning(ERQA)基准上以纯推理取得 87%,称超过其他前沿模型。

    推荐理由:官方给出 Argon 在 ERQA 上的得分与四类机器人工作流示例,可据此判断物理推理模型在机器人栈中的落点。

9月30日周三
  1. The Decoder80

    AMD 以 82 亿美元收购世界模型初创公司 World Labs

    AMD 宣布以约 82 亿美元全股票交易收购专注空间智能的初创公司 World Labs,交易预计在 2026 年底前完成,尚待监管批准。World Labs 创始人李飞飞将加入 AMD 领导团队,出任执行副总裁兼首席科学家,直接向 CEO 苏姿丰汇报并负责前沿研究。

    推荐理由:这笔全股票收购把世界模型团队并入芯片厂商,读者可据此观察硬件与模型能力整合的新路径。

9月29日周二
  1. Latent Space76

    AMD 以 82 亿美元收购 World Labs,Atlas 模型解决稀疏重建难题

    AMD 以 82 亿美元收购 World Labs。World Labs 创始人李飞飞在博客中回顾,公司自 2024 年成立以来构建了图像、视频与空间重建的模型训练团队,并在收购 SceniX 后推进机器人仿真能力。

    推荐理由:AMD 以 82 亿美元收购 World Labs,读者可借此了解空间智能与机器人仿真方向的整合动向。

  2. TechCrunch · AI80

    AMD 将以 82 亿美元收购李飞飞的 World Labs

    AMD 宣布以 82 亿美元收购 World Labs,后者专注理解物理世界的深度学习模型。World Labs 创始人李飞飞将加入 AMD 担任执行副总裁兼首席科学家,双方去年已建立推理优化与训练合作。交易预计在年底前完成,尚待监管批准。World Labs 首款产品 Marble 可用于制作娱乐体验,也可生成机器人训练所需的模拟环境。

    推荐理由:这笔 82 亿美元收购把世界模型与芯片路线绑在一起,读者可据此理解 AMD 与 Nvidia 在 AI 硬件生态上的竞争走向。

9月24日周四
9月22日周二
7月30日周四
  1. Google DeepMind71

    Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型

    Google DeepMind 发布 Gemini Robotics ER 2,定位为机器人的高层大脑,可对话、理解物理世界并规划多步任务,再把动作执行交给底层 VLA 模型。

    推荐理由:官方给出视频理解、任务编排与多机器人协作的能力变化和开放入口,可据此判断机器人在真实环境中的任务完成方式。

7月28日周二
4月13日周一
  1. Google DeepMind71

    Google DeepMind 发布 Gemini Robotics-ER 1.6,新增仪表读数能力

    Google DeepMind 发布 Gemini Robotics-ER 1.6,这是其面向机器人的推理优先模型升级版,重点增强空间推理与多视角理解,并新增仪表读数能力,可解读圆形压力表、液位指示器和数字读数。

    推荐理由:官方给出与前代及 Gemini 3.0 Flash 的对比,并首次加入仪表读数能力,可据此判断机器人在巡检场景的落地边界。