跳到正文

技术方向

物理AI 最新动态

理解、模拟和作用于物理世界的AI,关注可交互模型、物理一致性与真实系统迁移。

59 条精选近 30 天 14 条共收录 254 条

更新

精选归档 · 第 2 页

10月8日周四第 21–40 条
  1. The Robot Report78

    AWS 推出开源物理 AI 工具链助力机器人开发全流程

    AWS 今日推出开源物理 AI 工具链,旨在解决将训练好的模型转化为可在现实世界可靠运行的系统的难题。该工具链整合了 AWS SageMaker、IoT Greengrass 与 NVIDIA Isaac Sim、Isaac Lab、GR00T 及 Cosmos 等组件,支持合成数据生成、模型训练、仿真验证及边缘部署的端到端工作流。

    推荐理由:AWS 整合自身服务与 NVIDIA 软件栈,发布开源物理 AI 工具链以打通从合成数据生成到边缘部署的全流程。

  2. Hugging Face Daily Papers78

    Sensor-Language-Action 模型:连接感知与行动的统一框架及 OpenSLA 发布

    论文介绍 Sensor-Language-Action (SLA) 建模框架,将多模态传感器观测、自然语言与动作在统一模型中连接,利用语言作为语义接口实现异构动作的表示、预测与解释。

    推荐理由:该工作提出统一传感器、语言与动作的建模框架,并构建大规模基准验证其在临床预测等真实任务中的性能。

10月6日周二
  1. Hugging Face Daily Papers83

    基座模型可通过从训练数据获取线索进行推理

    该研究探讨了训练数据如何在基座模型的响应起始 token 与后续推理行为之间建立关联。实验表明,固定特定的起始 token 线索(如'. Okay'或'Alright,')可使基座模型在数学和代码任务上的表现接近强化学习(RL)微调版本。

    推荐理由:原文揭示了训练数据中的特定起始 token 可作为推理触发器,通过因果干预验证了其对数学、代码及模型安全行为的控制作用。

  2. arXiv · 机器人与计算机视觉78

    VLAs 是否理解并适应所操作的物体?还是仅仅重放已学行为?

    本文探讨了视觉语言动作模型(VLA)的泛化能力是源于对物体物理属性的全局理解以适配未见场景,还是仅靠偶然鲁棒性重放已学行为。研究通过线性探测和表征相似性分析发现,在七种主流 VLA 中,质量、易碎性等物理属性比语义类别等属性更难解码;机器人预训练反而削弱了语言流中对物理属性的线性编码。

    推荐理由:该研究通过线性探测与表征相似性分析,发现主流视觉语言动作模型对物体质量等物理属性的编码较弱,且在任务中难以据此调整运动策略。

  3. arXiv · 机器人与计算机视觉78

    未过期计划:一种用于加速扩散策略的免费监控器

    该研究提出了一种无需训练即可加速扩散策略的监控方法,核心在于利用‘未过期’的策略片段作为内部相似性信号,仅在检测到显著偏差时触发重计算。实验在超过 114 种加速器配置和四个策略家族上验证,该方法平均将每次调用的计算量降低 1.55 至 3.09 倍,且在接触丰富的第五类任务中成功维持了预定的性能余量。

    推荐理由:原文提出一种无需训练的扩散策略加速监控器,通过统计偏差而非特征距离来维持闭环成功率。

9月30日周三
9月28日周一
  1. Momenta · 智能驾驶技术与运营67

    Momenta 携手 DSAT 为全球标致及吉普车型引入智能驾驶技术

    2026 年 9 月 24 日,东风斯泰兰蒂斯汽车技术(武汉)有限公司与 Momenta 宣布达成全球战略合作,覆盖 Peugeot 和 Jeep®品牌。双方将基于 Momenta 的 R7 World Model 共同开发高级驾驶辅助系统,该系统将在中国、欧洲及其他全球市场的新款生产车型上推出。

    推荐理由:Momenta 与 DSAT 达成全球战略合作,将基于 R7 世界模型为标致和吉普车型开发高级驾驶辅助系统。

  2. 智东西 · 机器人84

    香港大学MMLAB发布PhysicalRSI 1.0具身智能系统基线

    香港大学MMLAB团队发布了PhysicalRSI 1.0(物理递归自进化)系统,旨在解决通用大模型在精密操作与多步任务中的控制难题。该系统通过System 2规划反思与System 1执行反馈的协同机制,实现Harness(工作程序)的自我改写与迭代。

    推荐理由:港大团队提出自进化基线PhysicalRSI 1.0,在RoboDojo评测中成功率与分数均领先GPT-6 Astra等竞品。

9月23日周三
  1. Skild AI · Research Blog84

    Skild 发布基于自我博弈训练的 S1 物理 AI 模型

    Skild 团队宣布其旗舰机器人基础模型 S1 在 NVIDIA Isaac Sim 中通过自我博弈(self-play)学会了踢球等灵巧动态任务,并在模拟运行约 140 年后成功将策略迁移至人形机器人完成比赛。该研究旨在证明物理自我博弈能推动机器人能力超越人类水平,团队正计划将该方法扩展至更多日常任务及大规模协作场景。

    推荐理由:Skild 团队宣布 S1 基础模型通过仿真自我博弈掌握足球等高难度任务,并成功迁移至人形机器人。

9月17日周四
  1. Figure · News82

    Figure 发布 Helix 2.5:基于 Index 预训练实现零样本跨 30 户家庭全身体自主

    Figure 推出 Helix 2.5,这是其构建的最先进神经网络,旨在解决机器人进入从未见过的家庭即可立即工作的难题。该模型在 Figure 的 Index 全球人类行为数据集上进行预训练,无需在评估环境中收集数据或微调,即可在 30 户未见的湾区家庭中完成整理房间、叠毛巾和铺床三项长周期任务。

    推荐理由:Figure 推出 Helix 2.5,基于 Index 数据集实现零样本跨 30 户家庭的全身体自主能力。

9月16日周三
  1. 上海人工智能实验室 · 科研动态75

    上海AI实验室发布书生-S2与W0模型并开放端砚平台

    上海人工智能实验室在2026浦江创新论坛期间正式发布书生科学多模态大模型S2和书生物理世界模型W0,全面开放书生·端砚科学发现平台全栈服务及本地客户端。书生-S2在长程科研与数学推理基准上表现优异;W0通过原生力触与双工协同支持机器人连续完成精密操作,已接入平台支撑干湿实验闭环。

    推荐理由:上海AI实验室正式发布书生科学多模态大模型S2与书生物理世界模型W0,并开放端砚平台全栈服务及本地客户端。

9月15日周二
  1. IEEE Spectrum · Robotics84

    Agility Robotics 发布 Digit 5:首个可与人近距离协作的人形机器人

    Agility Robotics 发布了新的人形机器人 Digit 5,其核心突破在于通过自主避让或坐下确保物理上不可能摔倒伤人,实现了无需物理屏障即可在人类附近工作。

    推荐理由:文章分析了 Agility Robotics 发布的 Digit 5 人形机器人在安全性、续航与负载上的平衡,并披露了成本估算与服务定价模式。

9月11日周五
  1. 上海人工智能实验室 · 科研动态80

    上海AI实验室发布『书生』物理世界模型W0

    上海人工智能实验室发布『书生』物理世界模型W0,旨在为大模型进入物理世界提供支撑。该模型原生融合视觉、力觉和触觉,采用双工协同架构实现输入输出并行处理,并通过异步异频设计让规划与实时行动解耦。

    推荐理由:上海AI实验室发布『书生』物理世界模型W0,原生融合力触视觉并采用双工协同与异步异频架构,在双臂湿实验任务中实现93.12%成功率与超低延迟。

9月3日周四
8月24日周一
  1. 奥比中光 Orbbec · News62

    Orbbec 与 Litchi Lab 达成战略合作提升世界模型数据质量

    在 2026 年世界机器人大会上,Orbbec 与物理 AI 基础设施提供商 Litchi Lab 宣布达成战略合作,旨在通过提供高质量 3D 深度数据和视觉传感器与仿真世界的双向对齐,提升世界模型的训练数据质量。双方将共同开发集成“3D 视觉感知 + 物理世界模型”的解决方案,以加速具身智能和物理 AI 的部署。

    推荐理由:双方宣布合作,Orbbec 提供深度相机硬件支持 Litchi Lab 的世界模型训练与双向对齐。

8月19日周三
  1. Generalist · Research Blog95

    Generalist 发布机器人基础模型 GEN-1.5:具身智能实现单样本学习

    Generalist 发布了最新机器人基础模型 GEN-1.5,该模型在预训练后无需微调即可通过单样本演示(物理提示)即时学习新任务,平均成功率达 59%,经少量梯度步优化后可提升至 83%。模型具备零样本仿真到现实迁移、组合泛化及即兴工具使用能力,支持从人类手部动作直接模仿机器人操作。

    推荐理由:该机器人基础模型 GEN-1.5 在预训练后无需微调即可通过单样本演示学习新任务,并具备零样本仿真到现实迁移能力。

8月6日周四
  1. NVIDIA Blog · Physical AI82

    NVIDIA 发布 Cosmos 3 开放世界模型系列

    NVIDIA 发布 Cosmos 3 开放世界模型系列,该系列包含 Super、Nano 和 Edge 三个版本,分别针对高保真建模、高效推理及端侧部署优化。模型基于 OpenMDW 1.1 许可,支持在自有数据与硬件上进行后训练,旨在解决物理 AI 中罕见事件复现难与环境多样性不足的问题。

    推荐理由:NVIDIA Cosmos 3 以开放权重形式发布,提供从视觉推理到世界生成的统一架构,支持团队在自有硬件上进行后训练与专用化。

7月31日周五
7月29日周三
  1. Berkeley BAIR Blog78

    K-Search 扩展至 Apple Silicon:从 CUDA 到 MLX 的架构原生优化策略

    IBM Research 基于 Berkeley Sky Lab 的 K-Search 框架,构建了针对 Apple Silicon 的 MLX 后端及结构化翻译层,将 NVIDIA 数十年的内核优化知识迁移至 Apple GPU。

    推荐理由:IBM Research 扩展 K-Search 框架至 Apple Silicon,通过结构化翻译层将 CUDA 优化知识迁移至 MLX,实现接近专家级的性能。

7月28日周二
  1. Google DeepMind82

    Gemini Robotics 2 发布:赋予机器人全身体智能与多机协作能力

    Google DeepMind 正式发布 Gemini Robotics 2,旨在为下一代自适应机器人提供核心智能层。该系列包含三个模型:最先进的全身体视觉语言动作模型(VLA)支持从脚部到指尖的复杂操作;具身推理模型(ER)负责多步任务规划与人类交互;端侧优化模型(On-Device)可在数小时内适配全新机器人本体。

    推荐理由:DeepMind 推出 Gemini Robotics 2,提供全身体控制、灵巧操作及多机协作能力,并开放 On-Device 端侧适配与 ASIMOV-Agentic 安全基准。