标签
RxBrain是一个具身认知基础模型，它通过语言和视觉想象联合推理来表征具身规划，采用统一的多模态混合Transformer架构。无需大规模动作数据即可在真实机器人上取得良好表现。
ABot-M0.5 是一种针对移动操作的新型世界动作模型，通过时间粒度对齐、动作空间解耦和训练-测试一致性提升性能，在长时域和细粒度操作基准上达到了最先进水平。
Vera 是一种分层扩散模型，专为视频编辑设计，通过生成编辑层和 Alpha 遮罩来保留源内容，并采用混合 Transformer（Mixture-of-Transformers）架构。
NVIDIA Cosmos 3 是一个面向物理AI的开放全能模型，它将世界生成、推理和行为生成统一到一个模型中，现已可在 Hugging Face 上获取，并提供多种资源。
Cosmos 3是NVIDIA推出的一系列全模态世界模型，采用统一的混合Transformer架构联合处理语言、图像、视频、音频和动作序列，在物理AI的理解和生成任务上达到了最先进水平。
EVA01是一个统一框架，通过混合变换器架构将3D网格作为原生模态集成到多模态语言模型中，实现了先进的文本到3D生成以及长上下文多轮几何编辑。
腾讯发布了HY-Embodied-0.5，这是一套为具身AI智能体设计的基础模型套件，采用混合变换器（MoT）架构，提供高效的2B和强大的32B变体，用于真实世界的机器人控制和时空推理。