多模态
共 63 篇相关内容
上交卢策吾、浙大等团队提出 Track4Action：把「动作后的 3D 世界」蒸馏进 VLA
VLA 模型可以把图像和语言指令转换成机器人动作，训练的过程中，研究人员通常只评价机器人的动作像不像专家。至于机器人的动作会怎样改变物体、空间关系和任务状态，通常没有被明确交给模型学习。短任务可能掩盖这个缺口；一旦任务变长，或者视角、背景和…
首次！北大、南洋理工等 30 位研究者联手厘清具身数据金字塔
7 月 28 日，来自北京大学、南洋理工、港科大、新加坡国立、港大、上海交大等十余所机构的近 30 位研究者联合发布了一篇 72 页长文综述《Data Pyramid for Embodied Manipulation》。该综述通过一个五层…
一次开源三大模型，腾讯机器人正在「超车」
继 2025 年 WAIC 腾讯 Robotics X 实验室发布首个模块化具身智能开放平台 Tairos，在今年 WAIC 上，腾讯 Robotics X 实验室、福田实验室联合腾讯混元发布具身智能系列新成果。 新成果包括发布并开源基于混…
宇树新大脑首秀，全身智能从概念走向真机
7 月 20 日，宇树科技正式发布 面向家居康养多任务 的具身大模型宇树 UnifoLM OminiA 0.3，并且该模型原生搭载于宇树 G1 机器人，标志着宇树机器人在民用服务赛道进入实质性落地阶段。 从官方描述来看，宇树 UnifoLM…
和王啸峰聊聊 Gigaworld-1：当世界模型成为具身智能的物理裁判
语言模型的评测几乎是即时的。训练一停，把测试集丢给 GPU，几秒钟就能拿到一串分数，好还是不好，一眼就能看出来。 换成机器人的「大脑」就完全是另一回事了。一个 VLA 模型刚迭代出新版本，研究员没法在屏幕前把它评完——他们得把新策略刷进真机…
不止于预测，小米将世界模型打造成数据引擎
7 月 14 日，小米放出其自研机器人在工厂中连续作业的任务视频，视频中可以看到机器人在面对不同尺寸工件依然可以长时间稳定作业。 然而，机器人在工厂里的稳定作业，只是最终呈现出来的结果。真正支撑这一结果的，是机器人背后的模型能力。模型能力决…
半年狂揽 4 亿美元的逐际动力，按下上市快进键
具身智能赛道的百亿独角兽，再添一员猛将。 7 月 14 日，通用人形机器人公司逐际动力宣布完成 Pre IPO 轮融资，融资金额近 2 亿美元，投后估值达 150 亿元。在过去的半年时间里，逐际动力已经累计完成 4 亿美元融资。 同时，这也…
把 Codex、CC 搬进机器人训练? 朱玉可、Jim Fan 最新力作谈具身持续学习系统
让机器人去拿一罐可乐，听起来像一件很小的事。 但行动的每一步都可能翻车：没看清可乐罐，抓取姿态歪了，路径规划撞到了桌角，手指夹住了空气，或者好不容易拿起来，下一秒又把它放错了地方。 最后给你一句很没用的反馈：任务失败 。 这就像程序崩了，但…
不愿只做车企的理想，如今选择做 AI
看完这场 Livis Day，我最直接的感受是：理想正在变得越来越不像一家传统车企了。 当然，它不是贬义。 如果把时间往前倒几年，我们熟悉的理想，还是那家把家庭需求拆得极细的公司。它会认真告诉你为什么一台车要有冰箱、彩电、大沙发，为什么二排…
从底层本能出发，橡木果机器人发布「本能驱动」技术路线
6 月 2 日，橡木果机器人发布「本能驱动」技术路线，从底层本能出发，让机器人先获取操作本能，继而在与物理世界的交互中自主涌现操作智能。 从行业视角看，目前具身智能领域多数公司选择的是「自上而下」的路径：用大模型理解任务，用海量数据训练端到…
VLA 终于摆脱后训练了？自变量开源 WALL-OSS-0.5，预训练完直接上真机
近年来，VLA 模型越来越强，但始终存在一个关键现实，几乎所有亮眼成绩，都依赖后训练。预训练模型本身，很少能直接部署到机器人本体上。 似乎任务微调才是那个让模型真正「干活」的东西，预训练到底有没有让机器人学会操作，离了后训练，模型还能不能直…
2030 年千亿营收目标背后，智元真正想做的是什么？
在过去两年的时间里，机器人给人们生活带来最大的震撼，莫过于能跑、能跳、能完成高难度动作。但是，这些花活放到 2026 年的今天，早就不新鲜了，头部公司多两个花活，腰部公司做得大差不差，尾部公司也能放出几个 Demo。 作为一个潜力巨大的行业…