FLUX 3 Action 用 95% 以上的视频数据做预训练,机器人换新机械臂只需约 200 条演示,权重开放,仿真榜第一。
#world models
禾赛发了个 8K 空间相机,拍一圈 15 分钟建出 100 平米的 3D 模型,还能直接生成机器人训练数据,挺有意思
Learning here happens entirely outside the model weights: the rulebook-to-code loop acts as an external, verifiable memory, which sidesteps catastrophic forgetting and costly retraining. Builders working on agents for long-horizon games or planning tasks can borrow this pattern of retaining updates only when they replay perfectly against observed data. Against typical fine-tuning pipelines, it trades LLM calls for cheaper local execution.
Adapting to new tasks with only 45 minutes of demonstrations suggests world-action models are cutting robot training costs by orders of magnitude. Robotics engineers and automation operators can study how Dyna pairs prediction with action planning and scales via human video. The Din Tai Fung restaurant deployment is a concrete example of physical AI moving past demos into commercial service work.
哈啰把世界模型用到自动驾驶研发里了,用一句话就能生成雨雪、行人横穿这类难采的数据,做自动驾驶的可以看看。
斯坦福 Chris Manning 发推说 LLM 和视觉世界模型可能没那么不同,正好回应最近关于语言模型有没有世界理解的那场争论。
杨立昆在首尔放话,LLM 不是终点,他押注的世界模型到底是什么,这篇讲得挺清楚。
Odyssey 把 140 亿参数的世界模型免费开放了,输入文字就能实时生成可玩环境,还能拿来控机器人、无人机和 GTA V,物理基准分数第一但评测方法有争议。
State of AI 一年一度的行业盘点,今年聚焦 AI 自我改进、世界模型和 Physical AI,还有对未来 12 个月的预测,想看行业全景可以直接翻这份报告。
Odyssey-3 Pro 在物理理解基准 Physics-IQ 上拿到 66.1 分冲到榜首,还能让你在生成的环境里随便走动触发事件看它怎么应对。
Yann LeCun 路线的 JEPA 思想做了个开源实现,把预测拆成互不干扰的要素分别推算,附论文和 GitHub 框架,想搞世界模型研究的可以看看。
MiniMax 把自家开源视频模型 H3 拿出来跟闭源 SOTA 比物理效果,敢公开叫板,感兴趣可以去实测下。
Odyssey-3 能生成会对你操作实时反应的互动世界,Flash 版免费可玩,还顺手在 Physics-IQ 拿了 66.1 的高分,去看看 demo。
Odyssey-3 能根据一句话生成可实时走动的交互世界,还接上了机器人和真车,Physics-IQ 拿了最高分,挺值得试试预览版。
The framework demonstrates how extending temporal context dramatically improves robotic task success rates, potentially enabling more complex autonomous behaviors. Developers working on robotics and AI agents should evaluate how this approach could enhance their applications, particularly for tasks requiring longer-term planning and memory.
这篇论文把机器人模型的历史上下文拉到 19.2 秒,动态杯子堆叠做到 95% 成功,Pi0.5 一个都做不成,方法细节写得很清楚。
机器人世界模型也有缩放定律了,8B 参数的 RoboJEPA 能用计算量预测真机表现,还能零样本规划长时程任务,代码全开源,搞具身的建议看看。
北大博士生没产品没名字就拿了 2 亿美元估值,要做 AI 的视觉语言,还想把视频生成成本砍到十分之一,跟李飞飞正面竞争。
用深度监督修视频世界模型的 3D 一致性问题,还顺手把 DROID 数据集标定成 DROID-3D,做机器人操作的值得看。
给世界模型生成的视频实时配音,延迟低到 RTF 0.41,还能中途改音效,声音还会随镜头位置变化,搞世界模型的可以看看。
一家叫 Mirror Particle 的初创公司,不做聊天机器人,专门造了个预测人类行为的世界模型,想取代 LLM 角色扮演做市场调研,看它怎么在 Disrupt 上讲这个故事。
A 55-percentage-point jump on Visual AntMaze with reduced planning compute suggests hierarchical abstraction is becoming a practical lever for planning efficiency, not just a theoretical idea. Researchers in world models and agent-based control should review the architecture details on the project page. The results also give model builders a concrete baseline to compare against JEPA-style approaches.
LeCun 的 JEPA 被扩到七个领域用了,还筛出一个肝癌候选分子,做世界模型研究的可以看看这篇。
LeCun 系 JEPA 路线的分层版本来了,AntMaze 成功率从 18% 干到 73%,做机器人规划和世界模型的值得看看这篇论文。
世界模型不用再一个领域训一个了,JEPA 拆成 4 个因子后在 7 个领域全赢 baseline,Pong 干预误差降了 34.8%。
Maluuba 那帮人出来创业了,说 LLM 规划能力不行,改做能推演公司决策后果的世界模型,思路挺不一样。
JEPA 世界模型在画面几乎不动时规划会崩,这篇论文用一个逆动力学辅助损失把成功率从 0.003 拉到 0.35,还给了个不需要环境访问的探测方法,做世界模型的人应该看看。
Sakana AI 在东京办研讨会,Schmidhuber 亲自来讲世界模型,免费但座位有限,感兴趣得赶紧报名。
Sakana AI 办免费 symposium,LSTM 之父 Schmidhuber 会做基调演讲,还能听他和 CEO David Ha 对谈,东京现场,英文无翻译。
Citadel Securities 的 COO 分享怎么用 Slack、PPT 和会议记录给公司建一个'自我模型',还讲了踩过的坑,做企业内部 AI 的可以听听。
讲了一家做3D生成的公司ARR两年从百万级干到破亿美元,还聊了GPT-6会不会把专业3D工具挤掉这个话题,做3D方向的人看看。