标签
本文介绍了Orca，一个世界基础模型，它通过下一状态预测从多模态数据中学习统一的潜在空间，在文本生成、图像预测和具身动作生成等下游任务上优于专门的基线模型。
PAIWorld 通过几何感知和跨视图注意力机制增强扩散变换器世界模型，提升机器人操作任务中的多视图三维一致性，在基准测试上达到最优结果。
NVIDIA 宣布推出 Cosmos 3，这是一个开放的世界基础模型，结合了视觉推理、多模态生成和动作预测，帮助机器人、自动驾驶车辆和 AI 代理理解并预测现实世界的动态。
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。