标签
HuGe 提出了一族人形通用视觉-语言-动作（VLA）模型，利用超过2000小时的第一人称人类与机器人数据进行预训练，并通过伪本体感知与视觉适配实现全身控制，在 HumanoidArena 仿真基准上达到 SOTA，同时在 Unitree G1 实体机器人上验证了其有效性。
该论文提出 HumanVerse——一个500小时的开放世界第一视角人体全身操作数据集，以及基于此训练的人形基础模型 λ_0，实现了无需目标任务机器人演示的零样本迁移到 Unitree G1，在 SIMPLE 上达到 90.0% 成功率。
Reflex提出一个三阶段框架，让类人机器人通过自我中心RGB-D视觉实现对抛掷物体的全身心反射式接取控制，在仿真中达到85.7%成功率，并在真实Unitree G1机器人上以2.5米距离实现65%的接取成功率。
TANGO 是一个视觉-语言-动作框架，用于人形机器人在杂乱环境中导航，使用模拟训练数据，展示了最先进的性能和零样本真实世界部署。
Google DeepMind 发布了 Gemini Robotics 2，这是一种能控制整个类人机器人做出全身动作、提升灵活度的 AI 模型。同时，该更新还引入了具身推理能力、端侧模型，以支持多机器人协同与安全保障。
人形机器人Moby展示了强大的全身控制能力，用于处理动态负载，标志着相对于当前人形机器人的重大进步。
Humanoid-GPT 是一种GPT风格的Transformer，在十亿级运动语料库上预训练，实现了对未见过的动作和任务的全身运动追踪的零样本泛化。
Google DeepMind 展示了 Gemini Robotics 2 模型，使机器人阿波罗能够在杂乱环境中通过全身控制和具身推理理解自然语言指令、自主协调动作并完成收拾运动装备等多步骤任务，验证了通用机器人的潜力。
Google DeepMind的Gemini Robotics 2将物理AI扩展到全身控制，使类人机器人能够在杂乱空间中执行需要伸展、弯腰和平衡的任务。