跳到正文

技术方向

具身智能 最新动态

机器人模型、硬件、学习方法和真实部署;区分仿真、遥操作演示与自主运行。

1,152 条精选近 30 天 609 条共收录 4,683 条

更新

精选归档 · 第 56 页

5月28日周四第 1101–1120 条
5月18日周一
  1. Boston Dynamics · Blog67

    Boston Dynamics 发布 Atlas 人形机器人:强化学习驱动的重物搬运与高保真仿真训练

    Boston Dynamics 发布了专为高强度物理工作设计的 Atlas 人形机器人,展示了其通过强化学习在仿真中练习数百万小时以掌握搬运迷你冰箱等复杂任务的能力。

    推荐理由:Boston Dynamics 展示 Atlas 通过强化学习与高保真仿真训练,实现搬运重物等工业级任务,并开放相关技术细节。

5月17日周日
  1. The Decoder · Robotics80

    世界动作模型赋予机器人行动前模拟后果的能力:架构、数据与评测挑战综述

    这篇综述将现有世界动作模型(WAM)分为级联和联合两种架构,分析了其如何利用无标签视频预测环境变化以辅助控制生成。文章指出当前训练数据受限于遥操作成本或仿真到现实的差距,且缺乏评估生成视频物理因果一致性的指标,导致视觉逼真但无法执行的问题。此外,文中讨论了 Meta 的抽象表示方法作为降低计算成本的潜力方向,并列举了相关论文清单供查阅。

    推荐理由:该综述梳理了世界动作模型的架构分支与数据瓶颈,并指出当前缺乏因果一致性评估指标。

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
4月22日周三
  1. Google DeepMind70

    Decoupled DiLoCo:一种面向全球分布数据中心的弹性分布式 AI 训练新架构

    Google DeepMind 发布 Decoupled DiLoCo(Distributed Low-Communication)架构,旨在解决未来超大规模模型训练中维持数千芯片同步的物流挑战。

    推荐理由:DeepMind 推出 Decoupled DiLoCo 架构,支持在低带宽和异构硬件下训练大模型,显著提升分布式训练的容错性与效率。

4月15日周三
  1. Skild AI · Research Blog72

    Skild AI 收购 Zebra Robotics 部门以部署全身体智能

    Skild AI 宣布收购 Zebra Technologies(前 Fetch Robotics)的机器人部门,将其 Symmetry Fulfillment 编排平台与 Skild Omni-Bodied Brain 结合,旨在解决仓库物流中传统方案对特定硬件依赖强、系统割裂的问题。

    推荐理由:Skild AI 收购 Zebra Robotics 部门,旨在将 Omni-Bodied Brain 与 Symmetry 平台结合,解决仓库物流中硬件依赖与系统割裂问题。

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13日周一
  1. Google DeepMind82

    Gemini Robotics-ER 1.6 发布:通过增强的具身推理赋能现实世界机器人任务

    DeepMind 正式发布 Gemini Robotics-ER 1.6 模型,该版本在空间推理、多视角理解及仪表读数能力上显著优于前代。新增的仪表读数功能允许机器人自主解读压力计和液位计等复杂工业设备,结合波士顿动力 Spot 机器人的实地需求开发。

    推荐理由:DeepMind 发布 Gemini Robotics-ER 1.6,新增仪表读数能力并强化空间推理与多视角理解,开发者可通过 API 和 Colab 立即试用。

4月7日周二
  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。

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17日周二
  1. NVIDIA Isaac Lab · Releases78

    NVIDIA Isaac Lab 3.0 Beta 发布多后端架构与无套件安装模式

    NVIDIA Isaac Lab 3.0 Beta 基于 Isaac Sim 6.0 推出重大架构升级,引入多后端物理引擎(默认 PhysX、新 Newton)、可插拔渲染器系统及 Warp 原生数据管道。

    推荐理由:Isaac Lab 3.0 Beta 发布多后端架构与无套件安装模式,支持 Newton 物理引擎及多种渲染器,为机器人学习研究提供更灵活的仿真环境。

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。

2月13日周五
  1. Google DeepMind60

    Gemini 3 Deep Think 模式升级并开放 API 早期访问

    Google DeepMind 发布 Gemini 3 Deep Think 重大升级版本,该专用推理模式在数学、编程竞赛及国际物理与化学奥赛基准上达到金牌水平,并能将草图转化为可 3D 打印的物理对象。此次更新不仅面向 Google AI Ultra 订阅者开放应用内使用,首次也通过 Gemini API 向研究人员和企业合作伙伴提供早期访问权限。

    推荐理由:Deep Think 模式升级,新增通过 Gemini API 的早期访问权限,支持从草图生成 3D 打印文件及复杂科学推理。

2月3日周二
  1. NVIDIA Isaac Lab · Releases82

    Isaac Lab v2.3.2 发布:新增多旋翼支持、视觉触觉传感器及 Wrench Composer

    NVIDIA Isaac Lab 开源仿真平台发布 v2.3.2 版本,重点聚焦稳定性提升与工作流优化。核心新功能包括支持多旋翼与推进器驱动的无人机环境、基于视觉的触觉传感器(含形状感知示例)、多网格 RayCaster 以及新的 OpenArm 环境。

    推荐理由:该版本发布多旋翼无人机、视觉触觉传感器等新功能,并迁移至 Ruff 工具链与统一 USD 接口。

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。