跳到正文

内容形态

模型发布 最新动态

机器人基础模型、世界模型和视觉模型的新版本、权重及可用范围。

173 条精选近 30 天 58 条共收录 347 条

更新

精选归档 · 第 8 页

4月26日周日第 141–160 条
  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。

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。

1月12日周一
  1. Skild AI · Research Blog62

    Skild AI 推出基于观看人类视频的 Omni-bodied Learning 模型

    Skild AI 发布 Omni-bodied Learning 能力,旨在解决具身智能领域的数据瓶颈问题。该方案利用 abundant 的人类视频数据(如 YouTube 教程),通过模型桥接“具身差距”,仅需少量机器人实测数据(<1 小时)即可从视频中学习新技能并微调模型,无需大规模遥操作数据。

    推荐理由:Skild AI 提出通过观看人类视频进行学习的 Omni-bodied Learning 方案,仅需少量机器人数据即可微调出新技能。

11月19日周三
  1. Figure · News80

    Figure 02 机器人助力宝马生产 3 万辆汽车并正式退役

    Figure 宣布 Figure 02 机器人在宝马斯巴坦堡工厂完成部署,在 10 个月内实现全天候运行并贡献了超过 3 万辆 X3 车辆的生产。该机器人完成了包括钣金装载在内的关键任务,累计运行超 1250 小时、执行超 120 万步动作。

    推荐理由:Figure 02 在宝马工厂完成量产部署并贡献了 3 万辆 X3 生产数据,其硬件可靠性与机械臂设计经验已直接应用于 Figure 03 的架构重构。

  2. 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4日周二
  1. Generalist · Research Blog87

    Generalist 发布 GEN-0:基于物理交互扩展的具身基础模型

    Generalist 发布了 GEN-0,这是一类专为高保真原始物理交互设计的具身基础模型。该模型在超过 27 万小时的真实世界操作数据上预训练,观察到当参数量达到 7B 时出现智能相变,小模型发生僵化而大模型持续改进。GEN-0 具备和谐推理、跨载体适配及不再受限于数据的特性,其缩放定律表明更多预训练数据和算力可一致地提升下游任务性能。

    推荐理由:原文报告了 GEN-0 在真实物理交互数据上的规模效应与相变现象,为机器人基础模型的训练架构提供了新范式。

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。