标签
GPT-6.2 Astra 正被展示为一款强大的机器人基础模型,在单日完成数百次两两对决后,已跃升至 RoboColosseum SO-101 Elo 排行榜的第一位。
Perceptron AI 在 Hugging Face 上发布了其拥有 360 亿参数的 Isaac 0.5 机器人模型针对特定机器人微调的开箱即用检查点,使受支持的机械臂能够遵循纯文本指令,并可根据需要进一步微调。
克莱芒·德朗格分享了他在 DealBook 峰会上的一段简短亮相,谈及英伟达、OpenAI 遭受的网络攻击,以及为什么这次攻击增强了他对人工智能、机器人技术和开源人工智能的乐观态度。
马斯克在访谈中表示,AI 与机器人正让 SpaceX 与特斯拉的业务越来越接近:特斯拉聚焦自动驾驶与 Optimus 机器人,SpaceX 推进大模型工作,两家公司还都有先进芯片设计团队。
麻省理工学院的研究人员推出了 RoboBuilder,这是一项基准测试,让前沿编程智能体利用标准零件协同设计实体机器人,并通过真实世界的视频反馈缩小仿真与现实之间的差距。这些智能体几乎能克服所有简单障碍,但在更高难度的关卡和真实世界验证中仍表现欠佳。
有人开源了一套由 Gemini Hydrogen 驱动的 Antigravity 机器人插件,可安装校准机械臂、搭建仿真环境并编写动作程序,演示中 AI 从零写代码让真实机械臂下国际象棋。
初创公司 Nimo Robotics 声称已打造出自由度最高的灵巧操作机械手,可实现毫米级精度。
Gemini 4 为机器人技术带来了快速、低成本的空间推理能力,并可与 Google Antigravity 中全新的 Robotics 插件搭配使用,快速构建可运行的机器人应用。
一篇论文展示了一个开放权重的 27B 推理模型,仅通过仿真中的强化学习(使用 PEAR 后训练引擎)训练,即可在没有人类演示的情况下控制真实机器人,将 LIBERO 成功率从 1.6% 提升至 74.4%,并在从未见过的真实双臂机器人上实现了 60% 的零样本成功率。
论文提出状态感知回退模仿(SAFI),用于在执行被禁止任务途中停止时,教会视觉-语言-动作模型一种安全的回退响应。在接管后将目标成功率降至 1.3%,且未发生任何物理事故,同时在 LIBERO 基准上保留了原有任务的性能。
O2LaF 复用一个共享的预训练视频 DiT,从无标签视频中学习潜在动作的逆向和前向动力学,在导航和机器人操作任务中,实现了最先进的少样本动作探测和零样本动作迁移性能。
AFFECT 引入了一个辅助训练目标,教会世界模型如何在微小的动作扰动下改变视觉结果,从而在 OGBench、DROID 和 ALOHA-2 机器人基准上提升轨迹外推保真度与规划成功率。
MIT研究人员在《Science Robotics》上发表论文,展示了首款搭载机载传感器和计算能力的空中微型机器人,使其能够在无需外部动作捕捉系统的情况下实现自主导航和精准降落,为精准农业和授粉等应用铺平道路。
Monumental Labs 首次发布了端到端的自主 CNC 石材雕刻系统,让 KUKA KR240 机器人能够将 3D 模型和大理石石块直接转化为成品雕塑,全程无需人工参与,该成果在 Embodied AI NYC 上展示。
苏黎世联邦理工学院的研究人员利用强化学习,训练一台重达5吨的约翰迪尔装载机,使其能够翘起前轮、以两轮保持平衡、越过75厘米高的障碍物并安全着地,且该策略无需额外训练即可从仿真环境直接迁移到真实机器上。
WM-Quant 是首个专为 JEPA 风格世界模型设计的训练后量化框架,通过保障编码器前期层的精度、保留控制路径以及感知 rollout 的缩放策略,解决自回归 MPC rollout 过程中量化误差不断累积的问题,在 W4A4 下实现接近全精度的规划性能。
本文针对控制器奇异性下的横向反馈线性化,通过拟合值迭代,将 Zubov 值函数分解为解析的二次剩余代价函数和学习得到的安全值函数,从而学习受约束吸引域。在独轮车和四旋翼飞行器的路径跟踪任务中,该方法的覆盖范围显著优于二次函数和物理信息神经网络(PINN)基线方法。
该论文提出了 RecPo 框架,通过多种过程视图以任务无关的方式表示机器人技能,并组合已存储的技能诱导状态转移,无需重新训练即可适应新任务。在扩展的 Franka Kitchen 基准测试中,该框架实现了 91.9% 的顺序完成率,每个回合的推理耗时为 1.0 毫秒。
一篇介绍 Brick Technology 视频系列的文章:在该系列中,威力越来越强的乐高机器试图推倒越来越坚固的乐高塔,被誉为以趣味方式展示迭代工程设计和通过反复试错解决问题的佳作。