跳到正文

内容形态

观点与分析 最新动态

具有事实依据和方法说明的技术、产业分析与访谈。

24 条精选近 30 天 14 条共收录 513 条

更新

精选归档 · 第 2 页

4月7日周二第 21–24 条
  1. Generalist · Research Blog70

    Generalist:超越世界模型与 VLA,坚持从 scratch 训练原生物理交互基础模型

    Generalist 发布博文阐述其 GEN-1 模型的核心理念:该模型约 99% 参数从头训练,旨在打造原生物理交互基础模型而非微调的视觉语言模型或单纯的世界模型。作者认为目标驱动优于方法标签,强调在数据充足时从 scratch 训练更具优势,并指出随着物理交互数据量突破半百万小时,以往依赖视觉语言数据的“拐杖”约束正在改变,团队正以此为基础向全零样本机器人和物理 AGI 迈进。

    推荐理由:作者阐述 Generalist 坚持从 scratch 训练 GEN-1 的底层逻辑,认为目标驱动优于方法标签,并指出数据约束已改变。

1月30日周五
  1. Kodiak AI · 自动驾驶货运62

    Kodiak 如何教自动驾驶车辆识别路面

    Kodiak AI 提出针对路面坑洼、水坑等“负向障碍物”的端到端“可通行性框架”,利用几何与视觉分析区分无害反光与危险凹陷,决定穿越或绕行策略。该框架已应用于美国南部高速公路货运及 Permian Basin 油田分选砂运输,支持双挂卡车及防务车辆平台,实现类似人类的精细化决策而非简单停车避让。

    推荐理由:Kodiak 提出针对路面坑洼等“负向障碍物”的端到端穿越框架,通过几何与视觉分析实现类似人类的决策,支持在恶劣路况下保持高速作业。

1月29日周四
  1. Generalist · Research Blog72

    Generalist 博客:机器人的暗物质——物理常识

    文章将“物理常识”定义为机器人在真实世界中应对不确定性、摩擦与滑移的直觉反应能力,指出当前基于互联网文本训练的模型缺乏闭环交互因而无法获得此能力。作者分享了团队通过开发轻量级手持设备采集自然操作数据(如编织、削土豆)的实验,发现此类数据能诱导模型涌现出类似人类的恢复与微调行为。文章认为物理常识是机器人基础模型的底层结构,将推动机器人从结构化环境走向开放世界,是实现通用智能的关键转折点。

    推荐理由:作者提出物理常识是机器人泛化的关键,并分享了通过手持设备采集自然交互数据以诱导模型涌现能力的实验思路。

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。