⌘ K
… 读取采集状态 同步中...
雷

具身智能

AI 走进物理世界：人形机器人、具身基础模型与真实环境操作能力的进展追踪。

84条精选相关主题NVIDIA 英伟达多模态论文研究

最新精选

第 1–20 条 · 共 84 条
10月12日周一
  1. 机器之心65

    RoboFoundry：具身智能体通过进化系统而非更新模型实现自我提升

    新加坡南洋理工大学等团队提出 RoboFoundry 框架，该框架保持基座模型参数冻结，通过进化其上下文、技能和执行接口等系统组件来提升机器人任务表现。在 EmbodiedBench 测试中，该方法使 GPT-5.5 等五个基座模型的平均成功率均有提升，其中 GPT-5.5 从 56.9% 提升至 72.7%，且该分数超过了未进化的 GPT-6 Astra。

    推荐理由：论文展示了基座模型冻结情况下，进化系统上下文与技能可使五个模型在多个具身基准上提升。

10月11日周日
  1. 量子位 QbitAI68

    何恺明团队发布多模态视觉原生Harness框架 VISTA

    何恺明团队发布 VISTA 视觉原生 Harness 框架，使现有多模态模型无需从头训练即可直接观察、保存并回看环境原始画面参与推理。在 ARC-AGI-3 评测中，搭配 VISTA 的 Claude Opus 5.0 完成了全部 25 个公开游戏，相对人类动作效率得分达到 100，所用游戏动作数比首次游玩的人类基线少 57.4%。

    推荐理由：研究展示了无需微调现有多模态模型，仅通过视觉原生Harness即可显著提升交互式推理性能的方法。

  2. The Decoder82

    Odyssey 发布可公开体验的世界模型 Odyssey-3

    Odyssey 开放了其世界模型 Odyssey-3 的公开研究预览，用户可基于文本提示实时生成交互环境并探索物理变化。基础模型参数量为 14B，支持 832×480 像素视频生成，Pro 版本支持 720p 分辨率。

    推荐理由：Odyssey-3允许用户通过文本实时生成交互世界，文章详细展示了其在物理基准测试和机器人控制方面的具体性能与局限。

  3. 机器之心66

    白泽通境推出溯因式世界模型AWM与端侧引擎BAIZ-RUN，成立三个月完成数千万元融资

    白泽通境推出溯因式世界模型AWM，通过预测实体、动态与关系来解释世界变化，并开源了论文与代码。公司同步开发端侧推理引擎BAIZ-RUN，支持2-bit量化，在AMD Radeon边缘显卡上使内存占用降低2.56倍，推理频率提升94.6%，且精度损失不到1%。该引擎兼容NVIDIA、AMD和华为昇腾，白泽通境成立不到三个月完成首轮数千万元融资，并已在工业上下料、质检和巡检三个场景完成签约验证。

    推荐理由：原文梳理了白泽通境如何把溯因式世界模型与端侧推理引擎整合进机器人场景，并给出融资与落地节点，供读者快速定位其在具身智能赛道的工程价值。

10月9日周五
  1. 量子位 QbitAI76

    Aether AI 发布具身智能系统 CRIS-0，实现 0.2 秒急停与秒级因果重规划

    Aether AI 展示其具身智能系统 CRIS-0 在真实物理环境中的因果推理能力。该系统在咖啡制作测试中面对突发干扰，平均 2 秒内完成实时重规划，在 10 次扰动中实现 9 次有效恢复。CRIS-0 基于因果原生 Agent 架构，利用因果世界模型在执行前推演物理后果，并通过安全急停机制实现 0.2 秒响应，展现了应对复杂动态环境的能力。

    推荐理由：Aether AI 展示了 CRIS-0 在物理扰动下的实时因果推理能力，其 0.2 秒急停和 2 秒重规划机制为具身智能落地提供了具体参考。

  2. 甲子光年72

    Aether AI发布CRIS-0：因果智能交出第一份物理世界答卷

    Aether AI 发布了支持真机物理交互的系统 CRIS-0。该系统结合因果智能体与因果世界模型，通过因果状态实现从理解行动后果到预测未来的闭环。在家庭场景测试中，CRIS-0 面对物体移位等外部扰动，平均在 2 秒内捕捉变量异动并重置规划，在 10 次强干扰测试中实现了 9 次成功恢复。

    推荐理由：原文明示系统在真机中验证因果纠偏与长程任务闭环，读者可据此评估该架构在机器人实际部署中的工程可行性。

10月8日周四
  1. 机器之心76

    Black Forest Labs 发布开源 7B 世界动作模型 FLUX 3 Action

    Black Forest Labs 于 9 月 22 日发布开源 7B 世界动作模型 FLUX 3 Action。该模型在英伟达 RoboLab-120 榜单上超越了此前最强的开源模型 Cosmos 3 Nano，且参数量低于后者。

    推荐理由：原文给出了模型超越前代开源模型的具体榜单结果，读者可以据此判断其在机器人任务上的实际提升幅度。

  2. 机器之心67

    李飞飞团队提出 OpenWAM 框架，通过控制变量验证底座预训练对机器人控制的关键作用

    斯坦福李飞飞团队发布开放世界动作建模框架 OpenWAM，旨在解决世界动作模型（WAM）多设计变量混杂的问题。该框架基于阿里开源的 Wan2.2-5B 视频模型，采用共享 Mixture-of-Transformers（MoT）架构，将视频专家与动作专家耦合，并定义了四种可配置的交互程序。

    推荐理由：系统化的单一变量对比框架让研究者能分离底座预训练和反事实数据对机器人控制成功率的具体贡献。

10月7日周三
  1. AI科技评论68

    至简动力冯宗宝：在 0.5 毫米间隙真实场景实现机器人造机器人

    至简动力冯宗宝在 IROS 2026 Tech Talk 演示了机器人单设备全自动值守双 CNC 机床方案。该系统基于 SimpleWAM、DRAM 和 DPE 架构，在工件与卡盘间隙仅 0.5 毫米的精密场景中实现 100% 任务成功率，且仅使用 600 条真实机器人轨迹进行模型训练。

    推荐理由：演讲给出了600条轨迹训练、双机床值守与0.5毫米间隙100%成功率的落地数据。

10月6日周二
  1. MarkTechPost76

    Reka 发布 Rho-1：19B 全模态推理模型，统一理解、生成视频并输出机器人动作

    Reka 发布 Rho-1 研究预览版，这是一个 19B 的全模态推理模型，能统一处理文本、图像、视频和机器人动作。模型采用双流架构，在 320 张 H100 上训练 3 个月，支持视频生成与实时控制，蒸馏版本可将去噪步骤从 99 降至 8。

    推荐理由：Rho-1 展示了单模型处理多模态与机器人动作的架构，以及蒸馏带来的推理速度变化，便于对比现有多模态流水线。

10月4日周日
  1. 机器之心73

    AMD收购World Labs背后，影身智能如何用原生4D路线抢占先机

    AMD宣布以约82亿美元收购李飞飞创立的World Labs，引发业界对空间智能的关注，而影身智能已提前两年布局原生4D路线并实现商业落地。影身智能由清华大学博士闵伟创立，通过消费级摄像头和GPU实时生成4D数据，已在制鞋工厂部署数千台机器人并获得2亿元订单，同时在服贸会展示了6台摄像头支撑的4D直播方案。

    推荐理由：通过对比AMD收购World Labs与影身智能的技术路线，展示了原生4D世界模型从理论探索到工业落地的具体路径。

10月1日周四
  1. AI科技评论83

    AMD 以 82 亿美元全股票收购 World Labs，李飞飞出任首席科学家

    AMD 以约 82 亿美元全股票收购李飞飞创立的 World Labs，这是 AMD 史上第二大收购，交易完成后李飞飞将出任 AMD 执行副总裁兼首席科学家，直接向 CEO 苏姿丰汇报。

    推荐理由：82 亿美元全股票收购为空间智能赛道提供量化价值锚点，世界模型团队的硬件话语权切入构成行业新变量。

9月30日周三
  1. Datawhale83

    李飞飞加入AMD，World Labs并入以推进空间智能研究

    AMD宣布李飞飞加入出任执行副总裁兼首席科学家，其创办的空间智能公司World Labs以约82亿美元股票交易并入AMD。李飞飞在公开信中解释，为了突破AI在效率与规模上的限制并让机器走出数字世界，下一步需要更靠近芯片、内存和系统设计等硬件。

    推荐理由：文章梳理了李飞飞的空间智能研究脉络，并解析了她选择更靠近硬件以突破AI规模与效率瓶颈的深层逻辑。

9月29日周二
  2. 机器之心74

    清华与无问芯穹等开源具身端侧推理引擎 APXInf，推理延迟降至 26ms

    清华大学联合无问芯穹与上海交通大学开源了面向具身模型的端侧推理引擎 APXInf，在 Thor 芯片 FP8 配置下将 π0.5 推理延迟从 278ms 降至 26ms，端到端提速约 10.7 倍，控制频率达 38.46Hz。

    推荐理由：原文用具体延迟数字和分层验证设计说明了端侧推理优化如何落地，可迁移给正在部署具身模型的团队。

  3. 新智元73

    德塔智能发布双足人形机器人基础模型Delta 0

    德塔智能发布双足人形机器人基础模型Delta 0，该模型采用大脑与小脑双层架构，通过全身69个自由度的统一动作空间实现借力操作，在洗碗机拉门等需要超过手臂最大输出力的任务中，利用腰腿协同完成动作。在零样本全身控制器测试中，Delta 0的全局位置误差为0.106米，身体各部位位置误差为16.73毫米，优于包含NVIDIA SONIC在内的四个公开控制器。

    推荐理由：原文展示了Delta 0在力控、长程自主和零样本泛化上的具体指标与机制，便于对比当前人形机器人基础模型的技术路线。

  5. 人工智能学家79

    AMD 收购 World Labs：李飞飞出任执行副总裁与首席科学家

    AMD 宣布以约 82 亿美元全股票交易收购前沿 AI 初创公司 World Labs，李飞飞将出任 AMD 执行副总裁兼首席科学家并直接向 CEO 苏姿丰汇报。World Labs 专注于空间智能，曾收购 SceniX 并推出解决稀疏重建难题的全能架构 Atlas。此次交易旨在通过软硬协同设计抢占物理 AI 高地，对抗英伟达的生态壁垒。

    推荐理由：原文拆解了 AMD 收购 World Labs 的软硬协同战略，以及李飞飞出任 CTO 对物理 AI 生态的影响。

9月27日周日
  1. APPSO93

    GPT-6 发布：通过 Computer Use 成为操作数字与物理世界的通用接口

    OpenAI 发布 GPT-6 及其核心组件 GPT-6 Astra，展示了强大的 Computer Use 能力。模型不仅能在 Blender 建模、Minecraft 游戏等数字环境中执行复杂任务，还能零样本控制机械臂完成物理操作。技术拆解显示，Astra 通过 Accessibility Tree 识别和代码模式执行操作，在 OSWorld 2.0 基准测试中得分 72.6%。

    推荐理由：文章通过机械臂绘画等实例展示了 GPT-6 在 Computer Use 上的跨领域能力，并解析其技术实现逻辑。

9月25日周五
  1. 钛媒体AGI78

    具身智能行业信用被机器人公司透支

    过去21个月有14家机器人公司登陆港交所，其中多家以“具身”为名获得高认购倍数但业务并非直接服务于通用具身智能。梅卡曼德上市后23天股价较发行价下跌21.3%，其93%收入来自3D相机引导产品，客户多为系统集成商；极智嘉等公司股价较发行价跌幅最深达53.3%。

    推荐理由：文章梳理了近21个月内多家机器人公司港股上市潮的热度、认购倍数与破发现象，读者可据此理解“具身智能”标签在资本市场如何从稀缺变为批量供应。