00:55官方一手marktechpost@Asif Razzaq精选73°Qwen团队推出Qwen-RobotSuite,包含三个具身AI模型。RobotManip是基于Qwen3.5-4B的视觉-语言-动作模型,用于操作任务。RobotWorld是一个60层MMDiT架构的语言条件视频世界模型。RobotNav是基于Qwen3-VL的导航模型,提供2B、4B和8B三种参数量。AI模型Qwen-RobotSuiteRobotManipRobotWorldRobotNav具身AI推荐理由:一口气发了三个模型,从操作到导航都管了,全用自家Qwen3.5和Qwen3-VL,做机器人研究的可以看看。原文
11:33官方账号arXiv cs.AI@Yajing Zhou, Xiangyu Kong精选该论文揭示了多模态大语言模型(MLLM)在空间推理中存在的“笛卡尔幻觉”——依赖文本概率分布而缺乏真正的3D拓扑理解。作者设计了一个新颖的视听任务:让智能体A推断智能体B对A相对位置的估计,以测试MLLM的二阶心智理论能力。为解决此问题,他们提出了“锚定具身空间分解思维链”,引导模型先建立B的局部坐标系,再根据A是否在B视野内动态加权视觉和听觉模态。实验表明,当前MLLM在零样本下准确率仅42%,而该感知受限推理链显著优于纯自我中心或他中心基线。这项工作暴露了MLLM空间推理的当前极限,并为具身AI中的认知模态感知推理建立了基础范式。论文多模态大模型空间推理心智理论具身AI思维链推荐理由:这篇论文戳破了MLLM空间推理的泡沫——它们并不真正理解3D世界。做具身AI、多智能体系统或空间推理的开发者,看完会重新评估模型能力边界。原文