#robots
Dyna Robotics 的 Taku 机器人展示了酒店洗衣任务的全流程执行,并行处理能力让动作不等待思考。
具身智能公司 Knowin 开源了 GLOW 框架,机器人看一遍演示就能学任务,还给出了 LIBERO-Pro 86.7% 的成绩。
AMD 花 82 亿美元买下李飞飞的 World Labs,加上 Atlas 把稀疏重建做通了,机器人和 3D 设计圈可以关注下。
伯克利这边搞了个 X-Reset,把人类手部演示只用来当 RL 重置点,不用模仿,20 个物体三种机器人本体都能训出通用抓取策略,还能 sim-to-real 直接迁移。
Chelsea Finn 团队写了篇博客,讨论机器人怎么走 LLM 后训练的老路,还给出 EXPO-FT 方法,抓鸡蛋这类任务做到了 30 次全成功,只花 19 分钟真机交互。
The reframing matters because most robot foundation-model effort targets richer visual perception, while this argument suggests tactile and proprioceptive feedback loops deliver more robust grasping at lower cost. Robotics researchers and embodied-AI builders can use it to prioritise sensor fusion over camera-only stacks. It also echoes human evidence: blind people perform many manipulation tasks robots still fail at.
机器人方向的概念论文,想在 VLA 的视觉嵌入上训练世界模型,从而省掉海量模仿数据,还能做短期规划,思路挺有意思。
机器人形态和控制策略可以像基因一样绑在一起联合优化,arXiv 上这篇 GeCode 在 2D 和 3D 任务上跑赢了现有方法,做具身智能的可以看看。
Luma AI 的 CEO 说了段挺有争议的话:什么空间智能视觉智能都不存在,智能就是智能。做机器人的可以听听他怎么论证。
YC 拉了 Waddle Labs 和 Robocurve 的创始人聊怎么用通用模型直接操控机器人,还现场演示了 Astra 控制,搞机器人的可以看看。
CSET 出了份报告,说中国走机器人加无人机的具身智能路线冲 AGI,跟美国堆 LLM 的路子不一样,还建议政府怎么应对。
论文教会编程智能体看一遍人类演示就能自己写机器人代码,还能在真 Franka 机械臂上跑通 8 个操作任务,做机器人方向的朋友可以看看。
一篇把世界模型用到水下机器人打捞的论文,不用接触传感器就能预测抓取时物体状态变化,真实水下视频也验证了,做机器人方向的可以看看。
新加坡商业时报的评论,聊的是给 AI 装上身体的机器人产业,新加坡怎么借物流和制造基础卡位,适合关心产业布局的人看看。
Luma AI 的 CEO 上播客聊了个实在问题:AI 看 60 个角度的照片,也猜不到杯子掉地上会碎,机器人缺的是物理交互数据。
做 FLUX 的 Black Forest Labs 跑去做机器人了,70 亿参数就在 RoboLab-120 刷了纪录,还开源,搞机器人的可以看看。
MIT CSAIL 这篇科普讲清了物理 AI 是什么,以及它怎么让机器人真正看懂现实世界,对机器人方向感兴趣可以看看。
亚马逊又砸 1 亿美元建机器人工厂,仓库里 100 万台机器人已经接管了 75% 的订单,自动化和就业的矛盾越来越真实了。
做具身智能的可以看看,诺因的 GLOW 技术报告讲机器人只看一次人类演示就能学会任务,还能换个场景继续用。
上海AI实验室新发的物理世界模型,用视频+动作双专家架构控制真实机器人,还做通了15步化学合成实验流程,搞具身智能的可以看看。
Microsoft Research 研究说机器人不用把推理都塞进本体,放到外部算反而任务成功率更高、效率更好,做具身智能的可以看看。
评估机器人世界模型有新工具了,TriWorldBench 用头加双腕三个摄像头同步验证预测是否一致,代码数据都开源。
This research improves robot task success rates by focusing reinforcement learning on critical subtasks, which could be relevant for anyone working on or interested in robotics and AI.
The All-New Futurist robot, priced at over US$89k, is a high-end option for professional and industrial applications, offering advanced features like 700 TOPS processing and 8 hours of runtime.