标签
本文介绍了World-Language-Action（WLA）模型，这是一种具身基础模型，能够从文本、图像和机器人状态中联合预测文本子任务、子目标图像和机器人动作，在模拟和真实环境中实现了最先进的多任务与长周期学习能力。
AllenAI 发布了用于机器人控制的开源 MolmoAct2 模型，包含多个针对不同任务微调的版本，并提供了完整数据集和训练代码。
Google DeepMind与Boston Dynamics合作，将Gemini Robotics具身推理模型集成到Spot机器人中，使其能够更好地理解环境、识别物体并执行整理房间等任务的指令。