跳到正文

具身智慧與機器人

AI 走進物理世界:人形機器人、具身基礎模型與真實環境操作能力的進展追蹤。

47條精選相關主題NVIDIA 輝達多模態論文研究

最新精選

第 41–47 條 · 共 47 條
10月30日週五
  1. aihot61

    智元發布具身模型 GO-3 Preview,登頂三項評測榜單並計畫於 2026 年底開源

    智元於 10 月 29 日發布具身基座模型 GO-3 Preview,該模型登上 RoboDojo、RoboTwin、RoboColiseum 三項評測榜單第一,並計畫於 2026 年底全面開源。

    推薦理由:文章以便利店實際作業資料呈現部署後持續學習的變化,並說明成功率與常規微調的比較,可瞭解具身模型如何累積作業經驗。

10月27日週二
  1. Anthropic Research65

    機器人能做哪些工作?

    核心導語:本研究提出「機器人暴露指數」,量化美國物理工作中機器人可執行的比例與成本競爭力,揭示目前機器人可執行 74% 的物理任務,佔工作時間 34%,但僅 0.3% 的工作在成本上具競爭力。

    推薦理由:本研究量化現今機器人對美國物理工作之覆蓋率與成本競爭力,為預測未來職場衝擊提供可量化指標,並揭示受機器人影響職位之薪資與就業下降趨勢。

10月21日週三
  1. Hugging Face Blog80

    發布 SimReady Central:機器人與 AI 工廠的開源 3D 資產庫

    導語:SimReady Central 是 Hugging Face 推出的開源 3D 資產庫,提供 2,000+ 具備碰撞、質量等物理屬性的 OpenUSD 模型,讓機器人與 AI 工廠開發者可直接構建模擬環境。

    推薦理由:SimReady Central 供 2,000+ 具備碰撞、質量屬性的 3D 資產,開發者可在 Hugging Face 構建 AI 工廠與機器人模擬,省去手動新增屬性的繁瑣。

10月14日週三
  1. Google DeepMind73

    Gemini 4 Argon 發布機器人專用版

    Gemini 4 Argon 在 ERQA 取得 87% 分數,顯示其在物理推理、機器人控制與即時模擬重建方面的突破。 - ERQA 成績:87%,超越所有前沿模型,證明其在 3D 空間物理推理的領先地位。

    推薦理由:Gemini 4 Argon 在 ERQA 取得 87% 分數,顯示物理推理能力大幅提升,為機器人控制與模擬重建帶來新工具,並可輕鬆整合至開發工作流。

7月30日週四
  1. Google DeepMind86

    Gemini Robotics ER 2:通過影片理解、任務編排與多機器人協作驅動機器人

    DeepMind 釋出 Gemini Robotics ER 2,作為其最新的“具身推理”模型,支援持續影片理解、任務編排和多機器人協作。該模型可與任何低層 VLA 模型配合,即時呼叫工具(如 Google Search),並在執行過程中保持推理,顯著提升任務完成率和安全性。

    推薦理由:Gemini Robotics ER 2 通過影片理解和多機器人協作提升機器人任務完成率,展示了高效即時推理與安全控制的結合。

6月8日週一
  1. Import AI84

    Import AI 460:社會規則破解、RL 航拍競速與偏見影響研究概覽

    Import AI 460 提供了多篇 AI 研究的概覽,涵蓋社會規則破解、RL 航拍競速、以及語言模型對政治偏見的影響。 - SocioHack:72 個沙盒環境,RL 模型以 61.25% 的召回率與 90.85% 的精準度重新發現歷史漏洞,測試範圍從信用卡點數到學校成績。

    推薦理由:多篇研究聚焦 AI 在社會規則、機器人競速與偏見影響的最新進展,為跨領域洞察提供參考,並揭示未來自動化治理與軍事應用的挑戰。

4月13日週一
  1. Google DeepMind75

    Gemini Robotics-ER 1.6:通過增強具身推理驅動真實世界機器人任務

    Google DeepMind 推出了 Gemini Robotics-ER 1.6,這是其專為機器人設計的最新模型,提升了空間推理、多視角理解和儀表讀取能力。該版本在安全性和物理約束遵守方面也有顯著改進,並已通過 Gemini API 和 Google AI Studio 對開發者開放。

    推薦理由:Gemini Robotics-ER 1.6 通過增強空間推理和多視角理解,顯著提升機器人在真實環境中的自主決策能力,並首次實現儀表讀取功能,為工業設施監測提供更高精度。該模型在安全性和物理約束遵守方面也表現出顯著改進,幫助機器人更安全地執行任務。