跳到正文
5月16日周六
  1. Google DeepMind72

    Gemini 3.5:前沿智能与行动能力的结合

    Google DeepMind 发布 Gemini 3.5 Flash 模型,该模型在终端基准、代码生成及多模态理解任务上表现优异,推理速度达到其他前沿模型的 4 倍。作为首个面向公众的 3.5 版本,它默认用于全球用户的 Gemini App 和搜索 AI 模式,并驱动了个人智能体 Spark 等功能的上线。DeepMind 同时表示正在内部使用 Gemini 3.5 Pro,计划于下月推出。

    推荐理由:DeepMind 发布 Gemini 3.5 Flash,在保持高推理速度的同时提升多模态理解与长程任务执行能力,并默认用于个人智能体 Spark。

5月8日周五
  1. Berkeley BAIR Blog65

    自适应并行推理:高效推理扩展的下一代范式

    Berkeley BAIR 发布综述文章,探讨让大模型自主决定何时分解任务、生成并发线程数及协调策略的自适应并行推理(APR)范式。内容回顾了从固定并行到动态控制的演进,对比了 ThreadWeaver、Multiverse 等方法的 KV Cache 管理与训练奖励设计差异,并指出当前在推理时是否持续提升准确率、训练稳定性及硬件感知调度等方面仍存在开放问题。

    推荐理由:文章系统梳理了自适应并行推理范式,对比了从固定并行到动态控制的技术演进路径及训练奖励设计差异。

  2. Figure · News84

    Helix-02 发布:单策略实现双人协同整理卧室

    Figure 展示了 Helix-02 双机器人无中央协调器、仅凭视觉语言动作策略协同整理卧室的演示,验证了单一神经网络处理多智能体协作与变形物体操作的可行性。

    推荐理由:Figure 展示了 Helix-02 双机器人无中央协调器、仅凭视觉语言动作策略协同整理卧室的演示,验证了单一神经网络处理多智能体协作与变形物体操作的可行性。

4月29日周三
  1. Boston Dynamics · Blog12

    Boston Dynamics 软件工程师 Ethan Lauer 解读 Stretch 机器人的感知与世界建模技术

    Boston Dynamics 软件工程师 Ethan Lauer 接受采访,详解 Stretch 机器人利用双路 RGB/深度相机、四路激光雷达及夹持器距离传感器融合感知环境。系统据此规划抓取策略以避免堆叠倒塌,并具备避障导航能力。团队通过客户反馈持续迭代算法,旨在提升机器人在真实物流场景中的可靠性与实用性。

4月26日周日
  1. Momenta · 智能驾驶技术与运营82

    Momenta 宣布 R7 世界模型正式进入量产

    Momenta 在北京车展上宣布其 R7 世界模型首次进入大规模量产阶段,标志着智能驾驶从“感知”迈向“理解”。该模型采用预训练、仿真与强化学习三层架构,旨在通过虚拟环境中的千万次推演掌握物理规律,从而在十万分之一概率的极端场景中提供安全保护。目前搭载该系统的大规模量产车辆数量已超 80 万辆,全球交付速度显著提升,并在包括英国、挪威在内的多个地区部署了 Robotaxi 生态。

    推荐理由:Momenta 宣布 R7 世界模型进入量产,通过三层架构实现从模仿到想象的进化,旨在解决长尾极端场景下的安全决策问题。

4月25日周六
  1. Momenta · 智能驾驶技术与运营72

    Momenta R7 世界模型将搭载于 MG 07 开启物理 AI 时代

    Momenta 宣布其 R7 世界模型将通过 OTA 更新正式搭载于 MG 07 量产车型,标志着物理 AI 时代的到来。该模型基于超过 100 亿公里的真实驾驶里程提炼数据,旨在超越单纯感知,具备理解物体属性、运动因果及交互可能性的能力,从而实现更真实的物理世界预测与规划,支持从车位到车位的无缝行驶及复杂场景下的敏捷导航。

    推荐理由:Momenta R7 世界模型正式落地 MG 07,开启物理 AI 时代,具备理解物体属性与因果关系的预测规划能力。

4月20日周一
4月16日周四
  1. 文远知行 · Newsroom80

    文远知行与广汽埃安联合首发首款共研车型 Aion N60,搭载 WRD 3.0 端到端智驾方案

    2026 年 4 月 16 日,广汽埃安正式开启 Aion N60 预售,该车由文远知行与广汽埃安联合开发,全系标配文远知行 WRD 3.0 端到端智驾方案。这是 WRD 3.0 首次实现量产部署于高通骁龙 SA8650 平台,使文远知行成为首个在 NVIDIA Drive 和高通骁龙两大主流车载计算平台上均完成端到端技术量产落地的自动驾驶解决方案提供商。

    推荐理由:文远知行宣布其端到端智驾方案 WRD 3.0 首次量产部署于高通平台,并依托自研世界模型 GENESIS 实现复杂场景仿真训练。

4月14日周二
  1. World Labs · Research & Insights72

    World Labs 发布 Spark 2.0:支持网页端流式渲染海量 3DGS 世界

    World Labs 发布 Spark 2.0,集成 Level-of-Detail、渐进式流传输和虚拟内存技术,可在任何设备上流畅渲染包含数亿高斯椭球体的大规模 3D 场景。新工具提供 .RAD 文件格式以支持按需加载细节,并开源了 Rust 编写的核心代码与示例仓库,允许开发者在 Web 浏览器中构建交互式 3DGS 体验。

    推荐理由:World Labs 发布 Spark 2.0,通过 LOD、渐进式流传输和虚拟内存技术,支持在浏览器端渲染海量 3DGS 场景。

4月2日周四
  1. Generalist · Research Blog87

    Generalist 发布 GEN-1:具身智能基础模型迈向精通时代

    Generalist 正式发布 GEN-1,将其定义为首个实现物理任务“精通”(mastery)的通用多模态机器人基础模型。该模型在仅需约 1 小时机器人数据的情况下,将多项简单任务的平均成功率从之前的 64% 提升至 99%,完成任务速度约为现有最先进水平的 3 倍。

    推荐理由:Generalist 发布 GEN-1 多模态机器人基础模型,宣称在仅需 1 小时机器人数据下将简单任务成功率提升至 99% 并提速 3 倍。

3月19日周四
  1. Skild AI · Research Blog72

    Skild AI 联合 ABB、优傲机器人及 NVIDIA 推进通用物理 AI 大脑的规模化部署

    Skild AI 宣布与 ABB Robotics、Universal Robots 和 Mobile Industrial Robots 合作,将其全身体智能(omni-bodied)基础模型 Skild Brain 集成到主流工业机器人产品线中。

    推荐理由:Skild AI 宣布与 ABB、优傲机器人及 NVIDIA 合作,将通用物理 AI 大脑集成至主流工业臂并部署于富士康产线。

3月18日周三
3月9日周一
  1. Figure · News70

    Figure 发布 Helix 02 完成客厅整理演示

    Figure 发布了 Helix 02 模型在客厅整理任务的演示,该系统无需新算法或特殊工程,仅凭新增数据便掌握了使用喷雾瓶清洁、处理柔性毛巾、双手协同操作、动态投掷枕头及狭窄空间导航等复杂技能。材料展示了单一通用架构如何通过数据扩展实现全身端到端自主控制,迈向具备广泛家庭与工作场所能力的未来。

    推荐理由:Figure 展示了 Helix 02 在客厅整理任务中的全身端到端自主能力,验证了单一架构通过数据扩展即可掌握复杂移动与操作技能。

  2. Hugging Face Blog · LeRobot80

    开源具身智能框架 LeRobot v0.5.0 发布:首发 Unitree G1 人形支持与仿真环境直连 Hub

    LeRobot v0.5.0 是该项目最大规模的更新,核心新增包括首次支持宇树 G1 人形机器人(含全身控制与遥操作)、引入 Pi0-FAST 自回归视觉语言动作模型及实时分块推理技术、集成 NVIDIA IsaacLab-Arena 仿真环境。

    推荐理由:LeRobot v0.5.0 首发 Unitree G1 人形机器人支持并引入 Pi0-FAST 等策略,同时通过 EnvHub 实现仿真环境从 Hugging Face Hub 直接加载。

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30日周五
1月27日周二
  1. Figure · News84

    Figure 推出 Helix 02:实现全身像素到扭矩的连续自主控制

    Figure 发布 Helix 02 模型,将单神经网络对类人机器人的控制从上半身扩展至全身,支持行走、操作与平衡的连续系统。该模型由 System 0(基于超千小时人类运动数据的全身控制器)、System 1(连接所有传感器与执行器的视觉运动策略)和 System 2(场景理解与语言层)组成。

    推荐理由:Figure 推出 Helix 02,实现全身像素到扭矩的连续自主控制,完成长达四分钟的洗碗机装卸任务。

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24日周一
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。

11月6日周四
  1. Google DeepMind55

    DeepMind 发布森林砍伐风险预测基准与物种分布图,更新生物声学模型 Perch 2.0

    Google DeepMind 发布了用于预测森林砍伐风险的基准数据集,该模型基于纯卫星输入和视觉 Transformer 架构,分辨率达 30 米。同时推出了新的 AI 驱动方法以生成地球物种分布图,并更新了生物声学分类器 Perch 2.0 作为基础模型供生态学家适配使用。

10月29日周三
  1. Hugging Face Blog · LeRobot65

    NVIDIA Isaac for Healthcare v0.4 发布手术机器人端到端工作流

    NVIDIA Isaac for Healthcare v0.4 发布端到端手术机器人工作流,提供从仿真数据生成、GR00T N1.5 微调到硬件部署的完整工具链与代码。该流程结合约 70% 的仿真数据和少量真实遥操作数据训练策略,支持在 DGX Spark 单台设备上完成全流程,并开放了键盘遥操作接口与 TensorRT 优化模型转换脚本。

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。

9月24日周三
  1. Skild AI · Research Blog70

    Skild AI:构建全形态机器人脑以应对不可预测的物理世界

    Skild AI 团队认为现有机器人控制器因过度拟合特定机体而缺乏泛化能力,提出训练一个能控制百万种不同形态机器人的“全形态(omni-bodied)”大脑。实验展示了该模型在零样本条件下对断肢、关节锁定、轮子卡死及加装高跷等极端形态变化的快速适应与恢复能力,利用上下文学习机制从失败中迭代成功。团队认为这种基于适应而非记忆的策略是通往物理世界可靠通用人工智能的关键路径。

    推荐理由:Skild AI 提出通过训练控制百万级不同形态机器人来构建泛化脑,展示零样本适应与上下文学习在物理任务中的潜力。

9月18日周四
  1. Figure · News78

    Figure 发布 Helix 大模型:基于互联网规模数据实现人类视频到机器人的零样本迁移

    Figure 宣布 Helix VLA 模型完成基于 Brookfield 海量人类视频的预训练,实现从人类视频到机器人导航的零样本直接迁移。该模型仅使用第一人称视角的人类视频进行训练,无需任何机器人演示即可让机器人理解自然语言指令并在杂乱环境中自主导航。Helix 统一网络同时输出灵巧操作与导航指令,标志着具身智能领域在数据规模与跨模态转移上的重大突破。

    推荐理由:Figure 宣布 Helix VLA 模型完成基于 Brookfield 海量人类视频的预训练,实现从人类视频到机器人导航的零样本直接迁移。

8月6日周三
  1. Skild AI · Research Blog77

    Skild AI 发布 Skild Brain:单策略实现任意场景的端到端移动

    Skild AI 发布 Skild Brain 的低层控制能力更新,该模型完全由在线视觉和本体感知驱动,直接从原始图像和关节反馈输出底层电机指令。无需预规划、建图或手动切换行为,机器人即可在从未见过的环境中(如城市公园、街道、消防梯)无缝行走、爬楼梯和跨越障碍。

    推荐理由:Skild AI 发布 Skild Brain 低层控制模块,实现仅凭在线视觉与本体感知的端到端移动,无需预规划即可跨越障碍。

7月29日周二
  1. Skild AI · Research Blog15

    Skild AI 发布 Omni-bodied Brain:通用机器人基础模型实现跨形态泛化与仿真预训练

    Skild AI 发布 Omni-bodied Brain,构建首个不受限于特定机器人类型或任务的通用“全身体”大脑。该模型通过大规模仿真与互联网视频数据预训练,结合少量真实世界数据进行后训练蒸馏,实现了在四足、人形及桌面机械臂等多形态间的泛化能力。Skild AI 团队拥有十余年研究背景,曾在 Anduril、Tesla、Nvidia 等公司构建过生产就绪系统。

6月17日周二
  1. Generalist · Research Blog65

    Generalist 发布端到端机器人操控能力预览

    Generalist 分享其通用机器人部署的早期成果,展示了由端到端深度神经网络控制的实时自主操控能力。模型在多种机械臂(如 Flexiv Rizon 4、UR5)和环境中实现了精细操作、双手动作及跨场景泛化。演示任务包括分拣紧固件、折叠盒子并收纳链条、将螺丝倒回玻璃罐以及拆解乐高积木,验证了系统在复杂物理交互中的鲁棒性与精确性。

    推荐理由:Generalist 展示端到端神经网络的实时自主操控能力,涵盖精细控制、双手动作及跨机械臂泛化。

6月7日周六
  1. Figure · News72

    Figure 推出 Helix 物流机器人系统:具备视觉记忆与力感知能力

    Figure 宣布其 Helix 人形机器人系统在物流场景下性能显著提升,处理速度从约 5.0 秒降至 4.05 秒/件,条码扫描成功率达 95%。系统新增短期视觉记忆模块以消除冗余动作,整合状态历史与力反馈输入以提升控制鲁棒性,并能自适应处理软包、信封等变形物体。通过增加演示数据量及架构优化,Helix 已接近人类操作水平,且可通过少量演示快速适应如人机交接等新任务。

    推荐理由:Figure 宣布 Helix 物流系统性能跃升,通过视觉记忆、状态历史与力反馈等架构改进及数据扩展,实现接近人类水平的速度与精度。

4月24日周四
  1. NVIDIA Isaac Lab · Releases71

    Isaac Lab v2.1.0 发布:新增 Apple Vision Pro 遥操作与 HOVER 人形机器人仿真部署

    NVIDIA Isaac Lab 发布 v2.1.0 版本,正式支持使用 Apple Vision Pro 进行双手遥操作以采集灵巧手部数据,并集成 Isaac Lab Mimic 实现模仿学习工作流。

    推荐理由:NVIDIA Isaac Lab v2.1.0 新增 Apple Vision Pro 遥操作与 HOVER 人形机器人仿真部署支持,并开放 USD 属性随机化等新功能。

1月31日周五
  1. NVIDIA Isaac Lab · Releases73

    NVIDIA Isaac Lab 发布 v2.0.0 版本及 Isaac Sim 4.5

    NVIDIA 发布 Isaac Lab 2.0.0 和 Isaac Sim 4.5,新增 MimicGen 模仿学习扩展以自动生成轨迹、AMP 人形机器人任务(行走/跑步/舞蹈)以及 Franka 堆叠环境。

    推荐理由:Isaac Lab 2.0 新增 MimicGen 模仿学习扩展与 AMP 任务,并重构 Isaac Sim 4.5 接口以支持多相机渲染与更高性能。