生成
共 107 篇相关内容
贾奎团队新作：让世界动作模型真正理解三维空间
UNITAS 将观测、动作与场景变化统一至同一个米制三维坐标系：以点轨迹表征人手与夹爪的运动，用场景流描述场景点的位移，让世界动作模型不再单纯依靠图像推测环境演化。模型参数量仅 1.7 B，在 LIBERO 基准测试上取得 99.8 % 任…
传 DeepSeek 将投入具身智能赛道，中美基础大模型公司齐现重大信号
10 月 12 日夜，有消息传出 DeepSeek 创始人梁文锋近期密切关注具身智能领域，DeepSeek 正在评估是否进入具身智能赛道，方案可能包括亲自组建团队下场研发，或通过投资相关企业切入。另据彭博社报道，DeepSeek 计划领投腾…
杨立昆 JEPA 最新论文，端到端规划的下一程在哪？
有关具身智能，JEPA 是世界模型内一个无法回避且值得反复讨论的技术路线。它拥有很多颇具希望的特质：更好的抗干扰能力、更高效的计算与训练效率、极低的数据标注依赖......更重要的是，JEPA 基于表征学习来捕捉物理世界的规律，从而进行实 …
智在无界卢宗青团队提出 Being-M0.7，依托人类视频动作先验，训练人形机器人全身移动操作
Being M0.7 依托一万余小时人类第一视角视频与人体动作数据，学习画面与全身动作的联合先验，再通过机器人轨迹完成中训与动作后训练，输出人形机器人全身移动 + 操作的控制指令。模型在 SIMPLE 仿真基准中综合成功率 71.1%，位列…
中科院自动化所与高德团队提出 DreamTrue，将机器人动作统一渲染为画面条件，实现高精度未来视频预测
DreamTrue 将机器人动作渲染为画面内的机器人作为训练条件，为世界模型补充示范数据中缺失的失败动作，并依托人工标注训练得到的奖励模型开展强化学习。当动作执行失败时，模型能够如实预测对应的结果，它在 AgiBot 平台上将交互缺陷率从 …
对话 CONTACT 作者：从任务到表示，机器人需要什么样的触觉？
过去几年，机器人研究关注的问题正在发生变化。 随着 sensing、learning 和 foundation model 的结合不断深入，新的问题开始出现：机器人感知到的信息，究竟哪些真正能够帮助它完成动作？ 触觉正处在这个转折点。过去相…
对话 TacVLA 论文团队，触觉该在什么时候更巧妙地发挥作用？
「这种思路谁都有，但是怎么加入进来？」 在 IROS 2026 现场聊到给 VLA 增加触觉时，张恒反复关注的并不是「要不要 touch」，而是另一个更具体的问题：机器人到底应该在什么时候使用触觉？ 现在给机器人装上 tactile sen…
对话 Shallow-π 作者：压缩 Transformer 层级，具身模型竟做得更好？
一个圆柱、一块正在转动的孔板，足以让两种机器人模型拉开差距。 在 Shallow π 的真实机器人实验中，任务要求机械臂拿起圆柱，插入移动中的小孔。层数更多的大模型，可能在等待计算结果的过程中错过位置；一个层数更少、输出接近它的小模型，却能…
IROS 现场对话 ULTRA 团队，机器人的「运动自由」还差什么？
灵巧手、驱动电机、控制算法、大模型......这些组成具身智能的「躯体」部件，正在变得越发精密。 以搬箱子为例，机器人的灵巧手要找到接触的位置，双脚撑住身体，电机驱动身体蹲下的同时，躯干要随重心变化调整姿态，随后再带着箱子、协调重心、缓慢移…
触觉正在成为机器人训练的下一种数据丨IROS 2026 现场
9 月 27 日，2 026 IEEE/RSJ 智能机器人与系统国际会议 IROS 在美国匹兹堡开幕，42号电波来到了现场。 好几场分会场全程座无虚席，室内席位早早被占满，会场大门一直敞开，门外还围着不少站立旁听的人。IROS 覆盖的议题很…
上海交通大学与蓝箭航天团队联合发布 DynaForge，让失败的演示变成能用的训练数据
DynaForge 让动态操作的演示不必再靠人手一条条去采集。机器人可在仿真环境自主试跑，从失败回合中学习修正量，把原本失败的轨迹转化为可供策略训练的有效演示。 9 月 22 日，上海交通大学自动化与感知学院联合蓝箭航天空间科技股份有限公司…
对话日冕钟元鑫：工业场景更适合验证 Physical RSI
最近，RSI 正重新成为 AI 行业的高频词，而在具身智能领域，它已经开始被推向一个更具体的问题：机器能不能在真实世界里自我改进？ RSI，即 Recursive Self Improvement，指系统能够参与改进自身的代码、工具或训练流…