跳到正文
目前篩選:模型
11月20日週五
11月19日週四
  1. DoNews44

    地平線發佈原生視頻幾何模型 LoFT

    地平線機器人實驗室發佈原生視頻幾何基礎模型 LoFT,面向連續視頻建模,可從 RGB 視頻聯合預測相機位姿、內參及逐幀深度,恢復三維場景結構。模型採用雙循環 Transformer 架構,訓練數據集約有 297 萬條序列、9.62 億幀圖像。LoFT 在 SpatialBench 等三大評測體系中的多項深度估計指標達業界最優(SoTA),適用於機器人感知、自動駕駛及室內環境重建等場景。

  2. IT之家39

    地平線發布 LoFT 原生影片幾何基礎模型,多項指標達到 SoTA

    地平線機器人實驗室發布原生影片幾何基礎模型 LoFT,可從 RGB 影片聯合預測相機位姿、內參及逐幀深度,以恢復場景三維結構。LoFT 在 SpatialBench、ClassicBench 和 VRBench 評測中與 VGGT-Ω、DA3-Giant 等模型比較,並在多項深度估計指標上達到 SoTA。該模型面向連續影片建模,可用於機器人空間感知、環境理解與具身學習。

11月18日週三
  1. 新浪科技84

    OpenAI 發佈 GPT-6.2 Astra 與 Sol,Astra 任務成本下降並提升 3D 能力

    OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,主打專業任務與日常工作效率,並提升 3D 建模及物理仿真能力。在 Agents' Last Exam 中,Astra 較前代提升 5.2 個百分點,任務成本降至三分之一以下;AA-3D 得分為 1318 Elo,排名第一。

    推薦理由:文章對照專項評測、3D 工程案例及編碼與幻覺率數據,讓讀者掌握 GPT-6.2 Astra 的能力表現及適用邊界。

11月16日週一
  1. 雷鋒網69

    李飛飛 CoRL 2026 演講實錄:Atlas 如何統一世界生成與重建

    李飛飛在 CoRL 2026 介紹 World Labs 與史丹福團隊研發的 Atlas,稱其為統一生成與重建的世界模型。Atlas 是從零訓練的自回歸基礎模型,可接收文字、圖像、影片、深度訊號及 3D 結構訊號等輸入,生成像素影格並支援多視角重建。演講稱,Atlas 已蒸餾至 15fps 即時生成,團隊亦正測試其在機械人導航訓練及真實世界與模擬互通操作中的應用。

  2. 新浪科技61

    華為雲發佈並開源昇騰原生具身世界模型 CloudRobo-WM1.2

    華為雲正式發佈並開源昇騰原生具身世界模型 CloudRobo-WM1.2,模型基於昇騰算力訓練。模型以共享世界模型骨幹網絡實現預測增強的世界表徵,並透過原生 DualAct 架構生成動作,在 RoboTwin 2.0、LiberoPro 2.0 兩項評測基準均排名第一。華為雲亦開放訓練框架及 WAM 昇騰算力最佳實踐。

11月14日週六
  1. The Decoder62

    Runway 開源 Praxis-1,以影片模型控制機械人

    Runway 發佈機械人控制模型 Praxis-1,並以 Apache 2.0 授權公開模型權重及原始碼。模型根據相機畫面、文字指令及機械人位置資訊預測環境變化,再計算機械人動作。在 NVIDIA RoboLab-120 模擬榜單中,Praxis-1 得分 46.2%,高於 FLUX 3 Action 的 42.9%;這些測試由 Runway 自行進行,尚未獲獨立核實。

  2. DEV Community57

    NVIDIA GR00T 2 旨在讓機械人技能跨機體遷移

    NVIDIA 將 GR00T 2 描述為開放的「world-action model」,旨在從人類及機械人示範中學習,並把技能遷移至不同機體。NVIDIA 報告指,GR00T 2 在 50 項任務的多次試驗中零樣本成功率為 40%,微調後結果較高;Samarth Urs 認為,模型在其中 40 項任務各至少成功一次的呈現方式可能高估表現。

11月13日週五
11月12日週四
  1. IT之家65

    Runway 推出 Praxis-1 機械人模型,稱其機械臂任務速度較 GPT-6 Astra 快 15.6 倍、成本為其 1/51

    Runway 推出機械人模型 Praxis-1,將影片預訓練所學用於真實機械人控制,並以 Apache 2.0 許可證開放權重。披露的測試結果顯示,Praxis-1 在 RoboLab-120 的 1200 個場景中完成 555 個,成功率約 46.2%,並在世界動作模型及開放機械人基礎模型類別中表現領先。

11月11日週三
  1. EJ Tech 信報科技 · AI82

    Anthropic 推出 Claude Fable 5.2 及 Mythos 5.2,Fable 5.2 輸出快 30%、API 降價兩成並能操控機械臂

    Anthropic 推出 Claude Fable 5.2 及 Mythos 5.2,兩款模型在編程、推理及視覺等方面改進,輸出速度較 5.1 快 30%。Fable 5.2 API 每百萬個 Token 的輸入及輸出收費分別為 8 美元及 40 美元,較上一代下調兩成;Fast Mode 分別收費 16 美元及 80 美元,Token 生成最高提速 2.5 倍。

    推薦理由:文章並列 Fable 5.2 的速度、收費與基準表現,亦交代 Mythos 5.2 的申請限制及隱蔽行為風險,呈現新模型能力與安全議題的不同面向。

  2. The Decoder61

    Nvidia GR00T 2 從人類影片學習動作並預測機械人未來畫面

    Nvidia 在研究報告中介紹 GR00T 2,這款世界動作模型旨在把人類影片中的動作轉移至機械人,並同步預測下一步動作及短片段未來畫面。訓練使用逾 1,000 枚 GB300 晶片及約 400,000 小時頭戴攝影機影片;在 50 項經少量示例已有良好表現的任務中,少於三分鐘傳統訓練可把成功率由 40% 提升至 95%。

  3. The Decoder67

    Google DeepMind 的 Gemini Robotics 2.5 在 Mercedes-Benz 生產線試點分揀金屬零件,成功率達 96%

    Google DeepMind 的 Gemini Robotics 2.5 在 Mercedes-Benz 生產線試點中控制 Apollo 2 分揀金屬零件,成功率達 96%。這款視覺-語言-動作模型在逾 200 項任務中接受測試;Google DeepMind 稱,按任務類型計,成功率較自家先前基準高 30% 至 100%,完成速度快 20% 至 30%。

11月10日週二
  1. Google DeepMind69

    Gemini Robotics 2.5 提升機械人在真實環境中的通用靈巧操作能力

    Google DeepMind 推出 Gemini Robotics 2.5,擴大機械人可學習的技能範圍並加快學習速度,同時提升靈巧度、可靠性及安全性。模型在逾 200 項不同任務中接受評估,按任務類型較先前基線的成功率高 30% 至 100%,完成速度快 20% 至 30%。與 Apptronik、Mercedes-Benz 在汽車生產線進行的概念驗證中,Apollo 2 的成功率為 96%。

    推薦理由:文章以逾 200 項任務的測試,以及 Mercedes-Benz 生產線試點的 96% 成功率,呈現模型在基準評估與實際操作中的表現。

  2. Ars Technica · AI56

    DeepMind 公佈 Gemini Robotics 2.5 及開源安全基準 ASIMOV-jailbreak

    Google DeepMind 公佈 Gemini Robotics 2.5,稱新版本在高靈巧度任務上的能力有所提升。該模型在超過 200 項活動中接受評估,包括用鉗子上菜及使用移液器。Google 展示配備 Gemini Robotics 2.5 的 Apptronik Apollo 2 人形機械人可以用五指手打蝴蝶結;DeepMind 正準備開源安全基準 ASIMOV-jailbreak。

  3. 新浪科技51

    智元機器人發布 WITA-Omni 全模態端到端互動大模型

    智元機器人發布 WITA-Omni(硅光動語全模態大模型),主打以機器人本體感知數據訓練的全模態端到端互動。模型採用流式全雙工架構,支援觸覺、本體狀態輸入,以及機器人動作、表情輸出;官方稱最快響應約 400 毫秒,平均約 600 毫秒,較業內平均水平快近 3 倍。它亦支援上百種語言和方言免切換交流,以及流式同聲傳譯和雙向互譯。