跳到正文
今天11月21日周六2 条
11月20日周五
  1. Hugging Face 每日热门论文55

    Mind2Act World 诊断基准评测机器人操作中的具身认知、物理动作与组合能力

    Mind2Act World 通过 Mind、Act 和 Mind2Act 三类视角,分别诊断机器人操作中的认知推理、物理执行及两者基于环境反馈的闭环组合。基准包含来自五个现实应用领域的 30 项模拟操作任务,覆盖三种难度和 Clean、Random 两种场景,共 180 种配置。

  2. NVIDIA Blog64

    NVIDIA 介绍开发者如何借助前沿 AI 智能体与 Omniverse 构建仿真应用

    NVIDIA 展示了开发者如何结合 GPT-6 Astra、GPT-6 Sol、Claude Code 等模型或工具与 Omniverse 库,通过自然语言指导和人工复核构建仿真应用。案例覆盖工业数字孪生、机器人抓取与装配、VR、仓库和自动驾驶测试,并强调让智能体检查渲染与日志,再由开发者直接验证物理行为和交互体验。

  3. Jim Fan80

    GR00T 2 原速演示端到端控制真实灵巧手

    Jim Fan 以未剪辑、1x 速度的视频演示 GR00T 2 自主端到端控制真实灵巧手。该开放式机器人模型完全运行于机器人板载计算,可执行超过 20 个步骤、持续 5 分钟以上的长程任务,并通过 X-Adapt 从穿戴设备和模拟数据零样本适配多种真实机器人。模型权重和 X-Adapt 配方将于 12 月发布,智能体框架、模拟与标注引擎、硬件设计及 100K 小时训练数据现已开放。

11月19日周四
  1. The Verge · AI47

    迪士尼新款《星球大战》电子动画机器人利用 AI 与游客互动

    迪士尼披露3款《星球大战》Anzellan电子动画机器人原型,借助AWS云端AI实时响应游客动作和语言。隐藏摄像头和麦克风采集信息,不同模型分别处理即时回应和较长互动,但所有动作及台词均由迪士尼预先编写。它们将于本月晚些时候在拉斯维加斯AWS re:Invent首次公开亮相。

11月18日周三
11月17日周二
11月16日周一
  1. Hugging Face 每日热门论文72

    ForceHarness 让冻结前沿模型无需微调即可使用力反馈

    ForceHarness 让仅能通过 API 访问的冻结多模态模型无需示范或微调,便可借助自调节的力原语与物理翻译层使用力反馈控制机器人。研究同时构建了包含 7 项任务和隐藏物理变量的 MuJoCo 基准 HiddenPhys;在无腕部力传感器的真实机械臂上,该方法将 GPT-6 Astra 的零样本成功率从 3.3% 提高到 90.0%。

11月15日周日
11月14日周六
11月12日周四
11月11日周三
  1. Hugging Face 每日热门论文58

    Duo v1:用于全双工交互的 Reciprocal World Model

    Duo v1 提出 Reciprocal World Model(RWM),持续感知实时音频、视频和文本,并与用户进行全双工实时交互。模型通过自回归交互推理、统一时间线上的 Intent 与 Realization 同步,以及双重 rollout 蒸馏来减少分布偏移。除对话外,用户还可分享真实物体、调整虚拟场景、引导助手或进行视听游戏,无需鼠标或键盘控制。

  2. Jim Fan84

    GR00T 2 发布开放式机器人 System One 模型

    Jim Fan 宣布 GR00T 2 这一开放式机器人 System One 模型,可完全运行在机器人机载计算上,实现脱离外部连接运行。模型权重、智能体框架、仿真引擎、标注引擎、硬件设计和 100K hours 训练数据现已提供,X-Adapt recipes 将于 December 提供。

    推荐理由:原文同时给出本地运行、长时程机器人任务和多项开放组件,读者可据此了解 GR00T 2 的部署方式与可复用资源范围。

11月10日周二
  1. Google DeepMind67

    Google DeepMind 推出 Gemini Robotics 2.5,加速现实世界通用灵巧操作

    Google DeepMind 发布新一代视觉-语言-动作模型 Gemini Robotics 2.5,用于提升机器人在真实环境中的灵巧操作能力。该模型在200多项任务测试中,相比此前基线成功率提高30%至100%,完成速度提升20%至30%;在匈牙利和德国的梅赛德斯-奔驰产线试点中,Apptronik Apollo 2人形机器人利用该模型完成汽车零件分拣打包,成功率达96%。

    推荐理由:原文给出了相比基线30%至100%的成功率提升和奔驰产线96%的实测数据,便于衡量这代模型的实际进展。

  2. Hugging Face 每日热门论文48

    BirdDreams:联合视角与 BEV 视频生成可信、可响应的驾驶世界模型

    BirdDreams提出一种自回归驾驶世界模型,联合生成视角视频与示意性鸟瞰视图(BEV)视频,将场景布局纳入未来预测并支持自车轨迹控制。该模型仅需单张相机图像、无需 HD map 或 vehicle-state 输入,在 PhysicalAI-AV 和 nuScenes 上比既有模型更准确跟随输入自车轨迹;人工评测显示,其生成的周围车辆行为也比仅使用视角视频的基线更真实。

11月6日周五
9月3日周四
7月27日周一
  1. Meta AI Blog41

    重新构想独立生活:Meta AI 模型如何帮助匹兹堡大学改造辅助机器人

    Meta AI 模型正帮助匹兹堡大学 RAMMP 团队为辅助机器人构建端侧感知系统,实现实时 360 度环境感知和自适应目标检测。系统结合 SAM 自动标注、DINOv2 嵌入微调的轻量 RF-DETR,并以 DINOv3 作为紧凑视觉基础,面向电池供电设备优化。相关功能已准备进行现实测试,可检测自动门按钮、杯子和路缘/地面。