标签
Viggle 推出 JST-2：一个物理原生的世界基础模型，可从单一模型生成 3D 场景、角色和全身动作，支持文本/图像/视频输入，并提供 PINOC 浏览器应用、API 及 MCP 接入。
Physical Intelligence 宣布发布 Pi API 测试版，允许团队将其机器人基础模型适配到各种不同的机器人和应用中，观察人士认为这是迈向跨具身机器人技术的重要一步。
GroundingPI：一个4B参数的视觉定位基础模型，以量化坐标生成点与框，在34个定位基准上以73.68%平均成绩超越GPT-6 Astra等44个基线，并在机器人操作与自动驾驶下游任务中显著提升性能。
Odyssey-3 是一个通用世界模型，它使物理代理能够以最少的任务特定数据控制多样化的系统，如机器人、车辆和无人机，展示了广泛的迁移学习能力。
本文分析了人形机器人的最新进展，指出尽管演示令人印象深刻，但由于操作和自主性方面的挑战，专家认为实际应用还为时过早。
一家名为Generalist AI的初创公司展示了能够从教学视频中快速学习任务并即兴解决问题的机器人，将其与GPT-3的适应能力相提并论，从而推进了物理人工智能的能力。
TechCrunch报道了一则传闻，称Anthropic正在收购机器人初创公司Physical Intelligence，这笔交易将表明物理世界理解对AI超级智能的重要性。该传闻被Physical Intelligence的CEO否认，但收购谈判在今年早些时候确实进行过。
Apple-π是一个基准测试，通过三阶段流程（感知、公式化、推导）评估视频生成模型推理物理定律的能力。它包含400个视频，涵盖经典力学任务，并揭示当前模型在可靠的基于物理法则的世界模拟方面存在不足。
当前主流纯数据驱动机器人方案存在数据效率低、泛化性差的缺陷，新提出的神经符号物理智能范式将任务拆分为世界建模和规划两步，仅需1-10个演示即可学会新任务，泛化能力远超传统端到端方案，为通用机器人提供了更可靠的路径。
一条推文讨论了硬件如何桥接人工智能与物理世界，并链接到一份关于物理智能的指南。
Qwen-Robot Suite 是一款面向物理世界智能的基础模型套件，使机器人能够有效地理解和与真实世界交互。
本文讨论了人类利用恒星能量、大规模物理智能以及超越生物极限的廉价数字智能的未来所需的前提条件，并将这一愿景与SpaceX的目标和埃隆·马斯克的薪酬目标联系起来。
Ihor Beaver 宣布发布了“Loop Model 1”，这是一款新的机器人模型，与 Physical Intelligence 的 Pi06 相比，在扎带插入任务中，单位数据的吞吐量提高了 20 倍。