Ai2 发布 MolmoMotion:用语言指令预测三维点轨迹的开源多模态模型
Ai2(Allen Institute for AI)推出 MolmoMotion,该模型基于 Molmo 系列扩展能力,利用自然语言指令在三维空间中预测物体后续的点轨迹。此次 OpenCV Live! 演示展示了模型如何从场景描述进阶至动态行为预测,标志着开源多模态模型在具身智能任务中的新突破。
Ai2(Allen Institute for AI)推出 MolmoMotion,该模型基于 Molmo 系列扩展能力,利用自然语言指令在三维空间中预测物体后续的点轨迹。此次 OpenCV Live! 演示展示了模型如何从场景描述进阶至动态行为预测,标志着开源多模态模型在具身智能任务中的新突破。
Luxonis DepthAI Core 库发布 v3.9.0 版本,新增 Beta 功能命名空间以支持实验性节点,并修复了 RVC2 PoE 设备发现问题及 RVC4 上的视频编码延迟与去畸变参数。更新包含对 RVC4 和 RVC2 的原生支持、深度着色工具改进以及多项针对 YOLOv6 解码和图像处理的 Bug 修复。
Viser 工具包 v1.1.0 发布,主要变更包括改进的面板重绘与停靠机制、新增 gui.add_panel() 创建浮动面板及 client.local_storage 读写浏览器存储。此次更新还修复了 GPU 缓冲区泄漏、场景序列化效率及相机轨道控制距离限制等性能问题,并支持动态高斯属性替换。
Drake v1.56.0 提供 drake/version.h 头文件并启动将 Python 绑定从 pybind11 迁移至 nanobind的进程。此次更新移除了对 Docker 镜像及 drake-apt 站点的支持,同时弃用了 Eigen 旧版自动微分功能改用自研实现。用户需关注相关 issue 以获取 beta 版本测试指南及构建系统依赖升级说明。
Genesis World v1.3.3 发布,修复了刚性求解器收敛回归问题,引入 torch-like 选项 use_deterministic_algorithms 以确保机器内位精确复现。
推荐理由:该版本修复了刚性求解器收敛回归并引入确定性算法选项,同时改进了 MuJoCo 兼容性以支持原生接触点多接触模式。
工信部于 2026 年 8 月 12 日发布《道路机动车辆生产企业及产品》(第 409 批)及两批新能源汽车车型目录。该批次涵盖享受车船税减免的节能车型与免征购置税的新能源汽车,依据财税〔2018〕74 号等文件规定执行。
OpenCV 联合亚马逊云科技(AWS)于 2026 年 8 月 13 日启动全球 AI 竞赛,旨在利用图像或视频分析解决医疗诊断、工业检测及自动驾驶等领域的实际问题。
针对 AI 基础设施多层级性能下降难以定位的问题,NVIDIA 提出通过连接计算、网络、存储及编排层遥测数据的全栈可观测性策略。该方案帮助运维团队跨层级检测故障源,解决单一层面症状可能源自其他堆叠层的诊断难题。
Google DeepMind 发布多语言手语转文本(SL2T)模型,首次将其集成至 Pixel 11 的 Gboard 和 Live Transcribe 应用中,支持美国手语(ASL)到英语的实时翻译。
推荐理由:DeepMind 推出首个消费级手语转文本模型 SL2T,集成于 Pixel 11 Gboard 与 Live Transcribe,支持 ASL 到英语翻译。
文远知行于 2026 年 8 月 12 日发布财务结果,2026 年上半年总营收达 5100 万美元,同比增长 73%;其中 Q2 单季营收 3420 万美元,同比增长 82%,海外收入同比增长 164%。
推荐理由:文远知行披露 2026 年上半年营收增长 73% 及海外业务爆发式增长,L4 Robotaxi 与 L2++/L3 商业化加速推进。
NVIDIA JetPack 7.2.1 为 Jetson 平台引入 Agentic Video Skills,使机器人能自主规划多步骤视频任务。该版本同时提供 T3000 GPU 硬件的完整仿真环境,支持开发者在本地验证复杂视觉推理与操作策略。此更新强化了从数据采集到 AI 推理再到结果编码的全链路能力,加速具身智能应用落地。
NVIDIA Nemotron 3.5 Lightning 是一款开源的 30B MoE 模型,拥有 3B 活跃参数,专为长运行 AI 智能体的高频工具调用与结果验证等执行层设计。该模型旨在解决在每一步执行都使用前沿推理模型所带来的高成本与延迟问题,通过轻量化架构提升持续运行智能体的效率。
NVIDIA NeMo Switchyard 允许构建的 AI Agent 根据任务需求在单一模型间动态切换,以匹配分类、推理等不同步骤的能力与成本特征。该技术解决了不同工作负载甚至同一任务内对模型性能要求变化的问题,避免将所有请求发送至最大模型造成的资源浪费。
Mobileye 通过整合 EyeQ6 High SoC、REM™及驾驶员监控系统,实现包含高速双手离轮、自动变道及泊车在内的 L2+ 统一能力。系统依托超 800 万辆采集车辆生成的 340 亿英里数据(截至 2025 年),在扩大 ODD 范围的同时兼顾成本与可靠性。该方案旨在将高阶自动驾驶技术安全、可扩展地引入量产车型,重塑车内驾驶体验。
Meta 推出开源稠密模型 Muse Glimmer,该 30B 参数模型拥有超 12 万上下文窗口,专为本地 AI 智能体工作流设计。其在单张 GPU 上可实现每秒处理 2 万个 token 的推理速度,支持在 NVIDIA 边缘、桌面及工作站平台运行,使智能体能持续在线地本地处理数据并执行复杂任务。
Torc Robotics 指出物理 AI 并非新事物,而是货运行业数十年来构建的终极目标。该领域将从高速公路这一已验证的“滩头阵地”起步,优先在高流量州际走廊和可预测长距离航线上部署 TorcDrive,随后逐步向仓库、堆场等复杂场景扩展。这种分阶段演进模式强调在设计域内安全可靠地解决环境变化与不确定性问题,而非单纯追求技术替代。
NVIDIA 发布 Cosmos 3 开放世界模型系列,该系列包含 Super、Nano 和 Edge 三个版本,分别针对高保真建模、高效推理及端侧部署优化。模型基于 OpenMDW 1.1 许可,支持在自有数据与硬件上进行后训练,旨在解决物理 AI 中罕见事件复现难与环境多样性不足的问题。
推荐理由:NVIDIA Cosmos 3 以开放权重形式发布,提供从视觉推理到世界生成的统一架构,支持团队在自有硬件上进行后训练与专用化。
Torc Robotics 宣布加入 Automotive Information Sharing and Analysis Center (Auto-ISAC),以加强网联商用车辆的网络安全协作。作为戴姆勒卡车旗下子公司,Torc 将借此与车企及供应商共享网络威胁情报并制定最佳实践,确保其面向美国长途货运的自动驾驶卡车产品在商业化部署中具备安全韧性。
宇树科技推出新型智能四足机器人巡检解决方案,专为危险、紧急及重复性任务设计。该方案旨在为电力系统建设、运行维护等工作提供高效保障,并在此次活动中向缅甸总统敏昂莱展示了相关能力。
宇树科技四足机器人发布全新智能电力巡检方案,专为危险、紧急及重复性任务设计。该系列方案为电力系统建设、运行维护等工作提供高效保障,旨在解决高危场景下的作业难题。
奥比中光于 ROSCon JP 2026 首次在日本推出结合多传感器融合与全球量产能力的物理 AI 免机器人数据采集硬件平台。该平台围绕 EGO、UMI 和 WristCam 构建,支持第一人称观察及手腕级近场数据收集;其 Dual-Ego 原型具备双 200 万像素鱼眼相机、1ms 同步精度、最高 1000Hz 六轴 IMU 及 200g 轻量化设计。
针对机器人策略难以泛化的挑战,NVIDIA 提出超越视觉语言动作模型(VLA)的世界动作模型架构。该模型要求策略理解任务背后的物理规律而非单纯模仿演示,以应对物体形状、位置或光照变化等条件改变。此研究旨在解决训练场景外泛化难题,为具身智能提供新的技术路径。
NVIDIA Alpamayo 2 Super 作为 Alpamayo 家族最新成员,基于 Cosmos 3 Super Reasoner 并通过强化学习后训练,现已通过 OpenMDW‑1.1 许可面向商业使用。
推荐理由:NVIDIA Alpamayo 2 Super 以 OpenMDW‑1.1 许可面向商业部署,在多任务推理与仿真闭环工作流中提供前沿级能力。
NVIDIA 发布了开源的 340 亿参数推理视觉模型 Alpamayo 2 Super。该模型旨在解决自动驾驶开发中轨迹生成、高层意图预测、场景理解及数据标注依赖独立模型导致难以对比输出和复用表征的问题,提供统一的推理能力以支持相关工作流。
推荐理由:NVIDIA Alpamayo 2 Super 作为开源推理视觉模型,旨在统一轨迹生成、意图预测与数据标注任务,解决传统开发流程中多模型割裂导致的行为难以对比与复用的问题。
Boston Dynamics 机械工程师 Taylor Frey-Baker 解析 Atlas 电动版新增头部以适配人机共融场景,通过立体视觉模块实现环境感知与状态指示。其可插拔的 compute core 核心允许独立升级算力而无需重构整机,复用全身执行器支持头部连续旋转。该设计兼顾了从玩具到工业机器人的职业成长路径,展示了模块化架构在保持物理 AI 迭代速度上的优势。
针对多团队协作中专用集群协调成本高、CRD 版本冲突及 RBAC 重叠等挑战,NVIDIA 分享了在共享 GPU 架构下部署隔离租户集群的方案。该方法旨在解决大规模团队间资源划分困难的问题,提供比单一组织级集群更优的隔离性同时降低管理开销。
NVIDIA Vera Storage Benchmarks 针对 AI 智能体工作流中的检索、持久化内存及 KV Cache 复用等场景,实测验证了其在加密、压缩、完整性校验及数据恢复方面的加速效果。该基准旨在确保存储系统持续供给并保护驱动智能体推理循环的数据,以应对多步操作引发的频繁读写需求。
LeRobot 软件栈 v0.6.1 发布,将 lerobot.types 模块重命名为 lerobot.lerobot_types。此次更新重构了 pi0、pi05、eo1、xvla 等策略以复用共享 VLA 组件,并将 Qwen2.5-VL 与 Florence2 改为原生 Transformers 子类化。同时优化了文档构建速度并更新了 GR00T 1.7 相关检查点。
文远知行(WeRide)与丹麦领先的共享出行运营商 GreenMobility 宣布建立战略伙伴关系,旨在将 WeRide 的 L4 级全自动驾驶技术与 GreenMobility 的本地车队运营能力相结合,在丹麦推出公共自动驾驶共享服务。
推荐理由:文远知行与丹麦 GreenMobility 达成战略合作,计划于 2027 年上半年在丹麦推出合规的 L4 级自动驾驶共享出行服务。
随着智能体与长上下文任务普及,注意力机制成为推理耗时主导因素。NVIDIA 主张围绕 GPU 执行特性重塑模型架构,通过 AI 模型协同设计优化注意力效率。该策略旨在解决长序列下注意力成本占比过高的问题,提升推理性能。
Atlas Energy Solutions 宣布与 Kodiak AI 合作,将其基于物理 AI 的自动驾驶卡车车队从 28 辆扩大至 100 辆,目标于 2027 年中达成。
推荐理由:Kodiak 与 Atlas Energy 宣布将自动驾驶货运车队规模扩大至 100 辆,并计划于 2027 年初在公共道路运营。
相同硬件配置的 NVIDIA H100、GB200 NVL72 或 GB300 NVL72 集群在训练吞吐量上常存在 8% 至 12% 的性能差距。NVIDIA Exemplar Cloud 通过优化内核配置栈,帮助合作伙伴部署消除与参考架构之间的性能断层。该技术文档为解锁 AI 基础设施全性能提供了关键配置指南。
Google DeepMind 正式发布 Gemini Robotics ER 2,作为新一代具身推理模型,它支持通过连续视频流进行进度分类与时刻定位(精度达 91.3%),实现毫秒级低延迟的任务编排。该模型原生支持多机器人协作、工具调用及实时空间感知,已在仿真环境及波士顿动力 Spot 等真实硬件上完成演示验证,现通过 Gemini API 和 Google AI Studio 向开发者开放。
推荐理由:DeepMind 发布 Gemini Robotics ER 2,通过视频理解与任务编排提升机器人自主性,并开放 API 接口。
Genesis World 发布 v1.3.0,将可微刚体模拟从实验性功能转为正式支持,新增扭转和滚动摩擦以缩小仿真到现实的差距。修复了 SPH 流体中浮力缺失、相机传感器刷新及渲染资产配准等若干问题。
推荐理由:该版本将可微刚体模拟从实验性功能转正,并新增扭转与滚动摩擦以缩小仿真到现实的差距。
IBM Research 基于 Berkeley Sky Lab 的 K-Search 框架,构建了针对 Apple Silicon 的 MLX 后端及结构化翻译层,将 NVIDIA 数十年的内核优化知识迁移至 Apple GPU。
推荐理由:IBM Research 扩展 K-Search 框架至 Apple Silicon,通过结构化翻译层将 CUDA 优化知识迁移至 MLX,实现接近专家级的性能。
2026 年 7 月 29 日,Momenta 获得德国联邦机动车管理局(KBA)颁发的覆盖全国的 L4 级自动驾驶测试批准。该许可允许 Momenta 在德国全境的城市场景下开展测试,为其在慕尼黑等地的 Robotaxi 部署计划奠定了技术与监管基础。
推荐理由:Momenta 获得德国 KBA 颁发的全国范围 L4 测试许可,标志着其技术成熟度获权威机构认可。
医疗机器人无法像自动驾驶那样依赖海量互联网数据或无限次实地试验,因演示需专用设备、临床专家及患者环境。NVIDIA 提出通过 GPU 原生的医学物理仿真技术来应对这一挑战,旨在填补训练现代机器人策略所需的数据缺口并降低开发门槛。
NVIDIA Jetson 平台通过 Orin Nano Super、AGX Orin 及 AGX Thor 三款模块,为开发者提供从入门到复杂负载的边缘 AI 算力。
Google DeepMind 正式发布 Gemini Robotics 2,旨在为下一代自适应机器人提供核心智能层。该系列包含三个模型:最先进的全身体视觉语言动作模型(VLA)支持从脚部到指尖的复杂操作;具身推理模型(ER)负责多步任务规划与人类交互;端侧优化模型(On-Device)可在数小时内适配全新机器人本体。
推荐理由:DeepMind 推出 Gemini Robotics 2,提供全身体控制、灵巧操作及多机协作能力,并开放 On-Device 端侧适配与 ASIMOV-Agentic 安全基准。
DeepMind MuJoCo 3.11.0 版本发布,核心更新包括新增 geom/surfacevel 表面速度场以支持传送带等运动建模、geom/adhesion 粘附力及 pair/adhesion 远距离吸附功能。
推荐理由:DeepMind MuJoCo 3.11.0 发布,新增表面速度场与粘附力建模、SO(3) 姿态伺服及隐式弹性求解器,支持 MIMO 执行器与多输入签名。