9月2日
10:15
10:15官方账号arXiv cs.LG@Haoyuan Deng, Haichao Liu, Wenkai Guo, Yuan Ling, Zaijia Yang, Yuanjiang Xue, Haosheng Sun, Liangzi Wang, Ziwei Wang
精选73°
Facet-0 是一个新的机器人基础模型,专为亚毫米级精密装配任务设计。该模型在 ManuFacet-1K 数据集上训练,包含 1000 小时的同步力数据。在五个亚毫米级计算机装配任务中,Facet-0 达到 82% 的平均成功率,而最强基线模型仅为 15%。系统实现了 0.5 毫米的放置精度和 50 毫秒的命令延迟。
推荐理由:Facet-0 模型通过预测和评估接触后果,让机器人能完成高精度装配,成功率比最强基线高出 5 倍多。
9月1日
10:32
8月31日
8月27日
21:19
20:38
8月26日
10:07
8月25日
16:17
8月24日
23:40
8月21日
16:13
02:24
02:24官方账号Meta AI@AIatMeta
精选
Muse Spark 1.2 是 Meta 推出的一个模型。该模型可以为双臂机器人规划整理书桌的子任务。它能区分发刷和化妆刷,并将口红放入抽屉。Muse Spark 1.2 充当机器人大脑和协调者,处理用户指令并循环执行任务直至完成。
推荐理由:Meta 刚刚发布了 Muse Spark 1.2,能让机器人自己整理书桌,还能分清不同刷子,比普通模型更懂空间操作。
00:58
00:58Jim Fan@DrJimFan
82°
GEN-1.5 的成功秘诀在于利用人类数据中的自然重复动作。这些重复主要来自对称模式,如 IKEA 组装手册中的螺栓配对,以及人类的恢复动作。关键在于保留失败的尝试,而非过度清理数据。另一个关键因素是 UMI(直接人类数据收集),它比传统的遥操作(teleop)更能保留人类的物理直觉。有了足够数据,许多行为可以实现零样本学习,无需微调。
推荐理由:GEN-1.5 的成功秘诀在于利用人类数据中的自然重复动作。这些重复主要来自对称模式,如 IKEA 组装手册中的螺栓配对,以及人类的恢复动作。关键在于保留失败的尝试,而非过度清理数据。另一个关键因素是 UMI(直接人类数据收集),它比传统的遥操作(teleop)更能保留人类的物理直觉。有了足够数据,许多行为可以实现零样本学习,无需微调。
8月20日
23:05
23:05官方账号Decoder@Maximilian Schreiner
四足机器人公司Unitree Robotics在上海IPO中股价上涨460%,估值达约500亿美元。金融时报报道显示,其需求主要来自国有培训中心。这些中心购买机器人,并将产生的数据出售回给制造商,形成循环商业模式。该模式与美国对英伟达的批评相呼应。

推荐理由:Unitree Robotics上市暴涨460%,背后是国有培训中心买机器人卖数据给厂商的循环生意,这和美国对英伟达的批评很像,挺有意思的。
23:03
03:06
03:06The Rundown AI@therundownai
Unitree推出的GD01机器人可两足或四足行走,公司创始人王兴兴称其存在安全风险;该机器人去年售出超5500台,因自制执行器使旗舰机型降价至13500美元;但仅9%销量用于工业工作,74%流向大学与开发者。
推荐理由:Unitree推了GD01机器人,能两足四足走,自己造执行器让旗舰降到13500,和以前比更便宜,适合大学开发者试试。
8月19日
22:43
8月18日
15:32
15:32AI Will@FinanceYF5
未来4年,AI的Token消耗预计增长24倍,而非翻倍。聊天不是主要驱动力,第二波Agent持续运行、批量部署、不断调用模型才是关键。更远处还有机器人和Robotaxi。如果此预测成立,AI基建可能才刚进入第二阶段。

推荐理由:这篇推文用一张图讲清了AI算力需求的未来曲线,Agent和机器人会吃掉大部分Token,搞基建的可以看看。
8月14日
17:55
17:55官方一手pandaily@contact@pandaily.com (Pandaily)
深圳机器人公司X Square Robot在一次未经编辑的实机测试中,用简单夹爪在一小时内分拣了1816个包裹。它为自己设定的目标是1248件,这个数字恰好等于Figure AI公布的持续每小时平均分拣量。最终X Square Robot的实际成绩比该基准高出约45%。

推荐理由:X Square Robot用简单夹爪一小时分拣1816个包裹,还拿Figure AI的数字当基准,结果超了45%,挺实在的。
8月13日
18:12
18:12官方一手marktechpost@Asif Razzaq
Dyna Robotics推出世界动作模型Dyna-2,预训练数据超过100万小时的第一人称人类视频。技术报告展示了在人类数据上至1M小时的缩放定律,并首次将该定律迁移到未见过的机器人数据。实验还表明,视频联合训练能推动跨实体泛化。该模型旨在让机器人从人类行为中学习动作执行。
推荐理由:Dyna Robotics把100万小时人类视频喂给机器人模型,搞出了Dyna-2,还验证了缩放定律能跨界到机器人数据,看它怎么做到跨实体泛化挺有意思。
17:56
8月12日
8月11日
10:34
8月10日
19:04
19:04量子位@杰西卡
Physical AI的模型路线正在趋同,架构层面的竞争空间收窄。具身智能落地时暴露的新瓶颈,集中在真实物理数据获取与场景验证环节。仿真合成数据与真实遥操作数据成为两条主流补充路径。厂商的技术投入重心开始从模型训练向数据基础设施迁移。
推荐理由:物理AI现在不拼模型架构了,新瓶颈卡在真实数据和场景验证上,文章把竞争重心怎么移讲清楚了,追具身智能的可以花两分钟看看。