generalist

本文提出，大规模文本到视频生成可作为计算机视觉的强大预训练范式，介绍了GenCeption，它在多种视觉任务上实现了最先进的性能，具有高数据效率和向未见领域的涌现泛化能力。

RoboDojo是一个用于全面评估通用机器人操作策略的统一仿真与真实世界基准，包含42个仿真任务和18个真实世界任务，涵盖多个评估维度。

文章讨论AI自动化将导致大多数高收入技能过时，提出未来所需四项核心技能：主观能动性、品味与独特视角、判断力、深度通才，强调人类需主动适应以成为“主权个体”。

Vesta 是一个统一的通用具身模型，它将定位、空间推理、导航和长期规划整合到单个基础模型中，在基准测试上比专业模型性能提升超过20%，在真实世界机器人任务上提升超过35%。