跳到正文
3月3日周二
  1. World Labs · Research & Insights42

    World Labs 提出"3D as code"理念,主张用结构化三维表示替代黑盒生成以构建世界模型

    World Labs 认为三维空间是人与机器交互的通用媒介,类比代码作为软件接口,三维数据应成为描述物理与虚拟世界的“空间代码”。该观点指出,相比依赖帧级像素生成的黑盒模型,结构化三维输出能支持人类编辑、仿真重跑及机器人共享状态。结合神经图形学进展,新一代世界模型将加速现有空间工作流并催生全新范式。

2月18日周三
  1. World Labs · Research & Insights42

    World Labs 宣布完成 10 亿美元新融资,首款产品 Marble 支持从图像、视频或文本创建高保真持久三维世界

    World Labs 宣布完成 10 亿美元新融资,投资方包括 AMD、NVIDIA 等。公司首款产品 Marble 现已推出,允许用户通过图像、视频或文本创建空间连贯的高保真持久三维世界。该进展旨在加速构建世界模型以推动空间智能在机器人及科学发现等领域的应用。

1月21日周三
  1. World Labs · Research & Insights77

    World Labs 发布 World API:基于 Marble 多模态世界模型生成可导航 3D 空间

    World Labs 正式发布 World API,这是一个面向公众的接口,允许开发者通过文本、单图、多图集合、全景或视频等多模态输入,直接生成可导航的 3D 世界。

    推荐理由:World Labs 正式推出 World API,允许开发者通过文本、图像或视频生成可导航的 3D 世界并集成到现有工作流中。

1月16日周五
  1. Google DeepMind80

    DeepMind 发布 D4RT:统一 AI 模型实现 4D 场景重建与时空追踪

    Google DeepMind 推出 D4RT(Dynamic 4D Reconstruction and Tracking),这是一个统一的编码器 - 解码器 Transformer 架构,通过查询机制从 2D 视频中恢复 3D 动态世界。

    推荐理由:DeepMind 推出 D4RT 统一模型,以查询机制实现 300 倍加速的 4D 场景重建与追踪,支持机器人导航、AR 及世界模型构建。

12月17日周三
11月19日周三
  1. Google DeepMind82

    Google 发布 Gemini 3:最强多模态模型与全新代理开发平台

    Google 正式发布 Gemini 3 系列,宣布其为目前最智能的模型,具备最先进的推理、多模态理解及代理编码能力。Gemini 3 Pro 在多项基准测试中超越前代,支持 100 万 token 上下文窗口;新增 Deep Think 模式以进一步提升复杂问题解决能力。

    推荐理由:原文宣布 Gemini 3 系列发布,提供最新推理与多模态能力,并开放 Google Antigravity 代理开发平台及 Deep Think 模式。

11月17日周一
  1. Google DeepMind73

    Google DeepMind 发布 WeatherNext 2:生成速度提升 8 倍、分辨率达小时级的全球天气预测模型

    Google DeepMind 推出 WeatherNext 2,这是其最先进的天气预测模型,能将预报生成速度提升 8 倍且分辨率达到 1 小时。该模型基于功能生成网络(FGN)架构,能从单一输入预测数百种可能的气象结果,在 99.9% 的变量和 0-15 天的时效上超越上一代 WeatherNext 模型。

    推荐理由:DeepMind 推出 WeatherNext 2,生成速度提升 8 倍且分辨率达小时级,支持数百种场景预测并已在 Earth Engine 开放数据。

11月13日周四
  1. Google DeepMind70

    SIMA 2:能在虚拟 3D 世界中与你互动、思考并学习的智能体

    DeepMind 发布 SIMA 2,这是继去年版本后的重大升级,通过嵌入 Gemini 模型赋予其推理与对话能力,使其从指令跟随者转变为可协作的虚拟游戏伙伴。

    推荐理由:DeepMind 推出 SIMA 2,通过集成 Gemini 推理能力实现目标规划与自我改进,并在 Genie 3 生成的虚拟世界中验证了泛化性。

11月12日周三
  1. World Labs · Research & Insights78

    World Labs 发布多模态世界模型 Marble,支持从图文视频构建可编辑的 3D 世界

    World Labs 正式发布多模态生成式世界模型 Marble,使其从早期测试转向通用可用。该模型支持通过文本、图像、视频或粗略 3D 布局创建 3D 世界,并允许交互式编辑、扩展和组合场景。

    推荐理由:World Labs 正式发布多模态生成式世界模型 Marble,支持从文本、图像及视频构建 3D 场景,并新增编辑、扩展与导出功能。

10月16日周四
  1. World Labs · Research & Insights78

    RTFM:一款可实时交互的生成式世界模型发布

    World Labs 发布了名为 RTFM(Real-Time Frame Model)的实时生成式世界模型研究预览版。该模型能在单张 H100 GPU 上以交互帧率运行,支持对生成的 3D 场景和真实地点进行持久化探索。

    推荐理由:World Labs 发布实时生成式世界模型 RTFM,单卡 H100 即可实现持久化交互与复杂光影渲染。

10月9日周四
  1. Figure · News75

    Figure 发布第三代人形机器人 Figure 03

    Figure 正式发布第三代人形机器人 Figure 03,旨在打造通用型机器人以服务于家庭与大规模商业场景。硬件层面,该机型配备全新设计的感官套件和手部系统,支持 Helix 视觉语言动作 AI;相机架构帧率翻倍、延迟降低四分之一且视场角扩大 60%,手掌集成嵌入式广角低延迟相机以实现遮挡下的持续感知。

    推荐理由:Figure 03 发布新一代硬件与 Helix AI,通过高帧率视觉、嵌入式手掌相机及自研触觉传感器提升感知与控制能力。

9月16日周二
  1. World Labs · Research & Insights65

    World Labs 发布 Marble 模型:生成持久、可导航的 3D 世界

    World Labs 发布 Marble 模型预览版,支持通过图像或文本提示生成长时间无限制、几何一致且风格多样的 3D 世界。该模型专注于构建大型环境而非孤立物体,并开放开源渲染库 Spark 以集成 Gaussian splats 到 Three.js,支持在桌面和 VR 设备上高效运行。

    推荐理由:World Labs 推出 Marble 模型,支持生成持久、可导航且风格一致的 3D 世界,并提供开源渲染库 Spark。

2月16日周二
  1. Drake · Release Notes13

    Drake v0.27.0 发布:支持 macOS Big Sur 11.x 及 Intel Mac,新增离散水弹性模型与蒙特卡洛优化演示

    Drake v0.27.0 正式支持 macOS Big Sur 11.x 和 Intel Mac,提供预编译二进制包 drake-20210216-{bionic|focal|mac}.tar.gz。该版本新增离散水弹性模型近似功能并修复了 acrobot Spong 控制器通信问题,同时通过蒙特卡洛场景演示展示了随机架构机制在控制器参数优化中的应用。

1月21日周四
  1. Drake · Release Notes12

    Drake v0.26.0 发布:新增 PiecewisePoseTrajectory 与 MeshcatVisualizer 碰撞几何绘制,重构 C++ Visualizer 别名以适配未来模板化系统

    Drake v0.26.0 发布,新增 PiecewisePoseTrajectory 功能及 MeshcatVisualizer 碰撞几何绘制选项。为应对未来 Visualizer 系统的模板化变更,提供 drake::geometry::DrakeVisualizerd C++ 别名以隔离代码影响。此次更新还包含 spdlog 与 fmt 库降级、MOSEK™升级及多项 API 弃用处理。

7月23日周四