机器人学习领域长期面临泛化难题,这篇论文从结构分解入手给出了新解法。做机器人策略研究或部署的团队值得关注,零样本迁移到真实硬件意味着可以直接减少重复训练成本。
#世界模型
Nvidia 一口气推出世界模型、驾驶模型和开源人形机器人平台,做机器人、自动驾驶和物理 AI 的开发者可以直接关注这些新工具,看看能否加速自己的项目。
物理 AI 开发者终于有了开放生态——Runway 和 NVIDIA 牵头开源世界模型,做机器人或自动驾驶的团队可以直接参与共建,值得关注。
做虚拟世界、游戏或协作式 AI 的团队终于有了一个真正持久化的交互环境——世界状态独立于渲染,多人可同时修改并观测。建议直接体验,这可能是下一代交互平台的原型。
智元用 2B 参数模型在具身智能世界模型赛道击败英伟达等巨头,做机器人或具身智能的开发者值得关注——轻量化方案可能改写行业路线。
VAGEN解决了VLM智能体在复杂环境中缺乏内部世界模型的问题,做机器人或自动驾驶研究的团队值得关注,它可能让AI的决策更接近人类推理。
做机器人或具身智能的团队终于有了能理解任务目标的模型——WALL-WM 从像素预测升级到事件理解,直接降低训练成本,做自主导航或操作任务的开发者值得关注。
这篇论文给自监督学习社区一个清晰的数学答案:什么条件下模型真的在学世界模型。做表征学习或世界模型研究的开发者,看完会对 LeJEPA 的能力边界有更硬核的理解。
做健康/情感类推荐系统的团队终于有了一个可落地的离线优化方案——用世界模型模拟用户情感反馈,避免在线实验的伦理风险,做医疗或老年人应用的开发者可以直接参考其方法论。
多智能体系统开发者终于有了能处理超过两个智能体的世界模型——Gamma-World 解决了传统双玩家建模的瓶颈,做游戏 AI 或机器人协作的团队值得关注。
蔚来这次把端到端控制直接做到方向盘和踏板上,省掉轨迹翻译环节,开智能驾驶的体验会更丝滑。做自动驾驶或关注车企技术路线的开发者值得点开,看看三层训练框架怎么让模型既拟人又合规。
小米汽车把世界模型的两条路线拧成一股绳,解决了重建缺想象、生成易漂移的行业难题。做自动驾驶感知或仿真的团队,建议看看他们的论文和技术主页,或许能启发新的技术路径。
家用机器人终于走出实验室进入真实家庭,做机器人研发或智能家居的团队值得关注 WALL-B 世界模型如何应对日常混乱——这比任何舞台演示都更有说服力。
Marcus 和 Hassabis 点出了当前 LLM 的根本局限——文本无法替代真实体验,做 AI 研究或关注 AGI 方向的开发者值得深入理解世界模型为何是下一关键突破。
Hassabis 点出了当前大语言模型的核心天花板——文本无法替代真实体验,做 AI 研究或关注 AGI 路径的人值得细读,看完会对世界模型的价值有更深理解。
世界模型终于从实验室走向真实场景——Project Genie 让任何人用提示词就能把街景变成可交互的虚拟世界,做游戏、VR 或城市模拟的团队值得一试。
如果你关注多模态 AI 和 AGI 进展,这条推文点出了 Gemini Omni 可能超越视频编辑、成为世界模型雏形的关键判断,值得一看。
Google 把 AI 从聊天工具升级为操作系统级智能体,做开发、用搜索、搞创意的团队都能直接受益——Gemini 3.5 Flash 已可用,建议开发者立刻试试。
Genie 街景版让 AI 训练和虚拟内容创作有了真实世界基础,做机器人导航或游戏场景生成的团队可以直接用这个原型来测试想法。
Odyssey 把世界模型从单人演示拉进了多人实时互动,做游戏、模拟或AI协作的团队可以直接体验这个活世界,建议点开试试。
做 AI 模拟、游戏开发或虚拟现实的人会眼前一亮——Starchild-1 让世界模型从“只看”进化到“又看又听”,实时多模态融合直接拉高了物理模拟的真实感,值得关注它的后续开放计划。
做多智能体模拟或游戏引擎的开发者,Agora-1 展示了世界模型从单机到联机的关键跃迁——共享现实一致性是下一个必须攻克的难题,值得关注其技术细节。
LeCun 的预测直指当前大语言模型的局限——只会聊天不懂物理世界,做机器人、自动驾驶、医疗决策的团队值得关注这个从“理解语言”到“理解因果”的范式转变。
这篇综述系统定义了 WAMs,解决了具身智能从“想”到“做”的落地难题,做机器人、具身 Agent 或世界模型的开发者值得收藏,直接看时间线图就能把握未来方向。
关注AI进化方向的读者值得一看——它用“宠物vs幼儿”的比喻点出了AI从被动到主动的范式转变,做AI研究或产品设计的人会从中获得启发。
Nvidia 把世界模型的门槛打下来了——2.6B 参数、单 GPU 可跑、开源,做具身 AI 和机器人仿真的团队可以直接拿来用,省去从头训练的麻烦。
LeCun 对 LLM 的批判性观点和世界模型路线图,对 AI 研究者、博士生和关注下一代 AI 架构的人极具启发,值得花一小时听完。
视频生成模型常被当作世界模型,但几何一致性是硬伤——PDI-Bench用定量方法暴露了现有模型在3D结构上的系统性失败,做视频生成或世界模型研究的团队值得用它来诊断自己的模型。
小米把 VLA 和世界模型统一到一套框架,解决了自动驾驶多模型协同的痛点,做自动驾驶或具身智能的开发者可以直接用开源代码试试,性能还刷新了基准。