前 Nvidia 员工现在做投资,聊机器人什么时候会有自己的 ChatGPT 时刻,说法挺有意思。
#机器人
新加坡的 Eka Robotics 做出一条抓取动作特别接近人类的机械臂,估值 14.5 亿美元,搞机器人的可以看看它怎么抓东西的。
dreamlabs_ai 发了 Dream-1,一个机器人基础模型,能控制没见过的机器人、做没学过的任务,推理跑在 fal Serverless 上。
这篇论文挺有意思,实验室能自己搭自己:给个科研目标,它连布局、数字孪生和机器人技能都自己搞定,还跑了真实的量子点合成实验。
只训练1120万参数就在RoboSpatial-Home上比单步模型高了9个点,总参数只有RoboPoint的十五分之一,做机器人空间理解的可以看看思路。
优必选出了个机器人世界模型 Thinker-WM,把画面、深度、动作一起学,三个具身基准都拿了第一,加深度还能涨 15 个点成功率。
英特尔给机器人芯片排了队:2027 年 Nova Lake,2028 年 Razor Lake AX 算力到 700 TOPS,比 Panther Lake 的 180 TOPS 高了近三倍。
Jim Fan 团队开源了机器人框架 ASPIRE,真实机器人能自己发现技能、自我改进,换上新模型后基准直接刷到99%,做具身智能的可以看看代码。
在 NVIDIA 做了七年机器人产品营销的人出来说,行业连积木都没搭好,跟那些喊通用模型马上改变机器人的人观点完全相反,听听她怎么讲。
Boston Dynamics 的合作伙伴 Dynamic Creatures 要把机器人放进主题乐园陪游客互动,童年里想和 R2D2 聊天的场景快成真了。
AgiBot 把 Genie、Lingxi 等上千台机器人送进 20 多所中国高校,学生能直接拿 AIMA 软件做机器人研究,学具身智能的可以关注。
香港的 Rice Robotics 出了台轮式人形机器人 Tomo,专做教育场景,还顺便加入了一个具身智能枢纽,做机器人的可以看看。
这篇 T2-Z 挺有意思,给机器人世界模型加了个环境隐变量,测试时优化一下就能适应新环境,动作成功率从 34% 拉到 73%,做机器人方向的朋友可以看看。
机器人训练不再让人类重头再教,而是机器自己定向提问并解释该看哪,低查询量下效果提升三成。
Google 把机器人要用的感知、控制、仿真全塞进 Gemini 4 Argon 一个模型,ERQA 基准拿了 87%,但演示里人工干预还不少。
南洋理工的 COAP 框架让 Claude Opus 5.5 提前写好控制代码,执行时完全不调用大模型,RoboDojo 双臂任务成功率 70.24%,比之前最佳翻了一倍多。
Pickle 的卸货机器人 90 分钟能清空一整车货柜,聊聊它怎么把老控制理论和新学习结合,做机器人的可以看看。
Dyna Robotics 的 Jason Ma 聊了他们的 Dyna-2,机器人能自己连续干一小时活,核心是世界动作模型这条路线,做机器人方向的朋友可以听听。
Google 拿 Gemini 4 Argon 做了个有意思的实验:机器人看人玩沙包的视频,自己搭仿真训练,最后真学会了,不用手写程序。
DeepMind 出了个叫 Argon 的工具,看视频就能生成机器人训练环境,几小时顶过去几周建模,做机器人方向的可以看看。
Allen AI 的机器人模型 MolmoAct 2 拿下了 Datapoint AI 人类偏好榜第一,靠的是糖果分拣、叠杯子这类真实操作,评测数据集也公开了。
Dyna Robotics 的 Jason Ma 上播客聊 Dyna-2,机器人看百万小时人类视频后,45 分钟演示就能学新任务,还在餐厅真部署了。