这篇论文梳理了从世界动作模型到具身大脑的路线图,对搞具身智能的研究者很有参考价值。
#world models
这篇论文用实验告诉你,深的世界模型在滚动预测时不一定管用——在DeepMind Control的9个任务里,有2个反而是早退浅层更好,而且原因竟然出在训练方式上。搞模型规划的值得看看。
字节跳动也在看自动驾驶了,虽然官方说没打算做智能驾驶,但Seed世界模型团队已经在探索,可能有无人物流方向。
具身AI每两天就冒出一个新模型,这次BAAI和阿里都出手了,想看看软件智能怎么拼过硬件?这篇总结到位。
蚂蚁发了14B的世界模型LingBot-World-Infinity,能生成60分钟视频模拟20个场景,用MoBA注意力解决长时间漂移。不过目前只开放了检查点,没有完整代码。
这个开源世界模型能稳跑几小时不崩画质,比那些几分钟就坏的强多了,机器人预判世界的好工具。
Robbyant Brain又开源了三个模型,从看世界到模拟世界一步到位,做具身智能的可以关注LingBot系列。
蚂蚁灵波开源的世界模型能让你实时操控高清场景,战斗跳伞滑翔,多人一起玩,连续跑一小时不崩,比传统模型强很多。
想低成本搞个能交互的虚拟世界?蚂蚁灵波开源了LingBot-World 2.0,小时级就能生成,还支持多人一起玩,比之前那些模型快多了。
LingBot-World 2.0 能生成一小时长、720p/60fps 的交互世界,Agent 驱动事件变化,像游戏一样可玩。
凯迪拉克要首发量产Momenta的R7世界模型了,这个模型能通过强化学习理解物理规律,让自动驾驶更靠谱。
NVIDIA发了个Colab友好教程,教你搭简化版Cosmos 3世界模型,用Omnimodal MoT架构实现跨模态预测,比跑全量模型省资源。
NVIDIA发的新论文,用时空缓存压缩和稀疏注意力,让视频扩散生成速度飙5-10倍,内存还不涨,搞视频生成和世界模型的朋友可以看看。
Kyutai Labs开源了MIRA,一个在神经网络里直接跑《火箭联盟》的模型,5B参数、20fps,不用游戏引擎纯靠学习生成,比传统游戏模拟器有意思多了。
机器人强化学习的新思路,WorldSample 用世界模型生成合成数据,成功率提28%还省了59%训练时间,值得一看。
Orca用12.5万小时视频训练,没给动作标签就让机器人学会抓取,跟GPT那种猜词完全不是一个路子。
Odyssey用世界模型实时生成了黄金眼游戏,不用写一行规则,还能四人联机。这才是AI模拟物理世界的方向。
中国初创搞的世界模型火了,能反复推演不同情境,Hugging Face上热度第一,周鸿祎和陆奇都投了,做推理模型的朋友可以看看。
看AGI Summit SF 2026第二波嘉宾,7位专家讲世界模型、AI安全、基建扩展,话题挺全的。
GloVe和Transformer的创造者Manning要讲语言模型怎么和机器人结合了,想了解具身智能世界模型的可以听听。
WorldEvolver通过三种记忆模块让智能体的世界模型在测试时自我进化,在ALFWorld和ScienceWorld上预测准确率最高,下游成功率也领先其他方法。
DreamForge-World 0.1 Preview让你在消费级显卡上实时操控世界模拟,支持键盘鼠标,15 FPS流畅运行,比那些需要超算的模型亲民多了。
AGI Summit SF 2026 第二波嘉宾名单来了,7位专家聊AI信任、代码安全和基础设施,看点十足。
World Labs要在SIGGRAPH 2026搞黑客马拉松,两天用世界模型做游戏和VFX,有兴趣的可以去看看。
这篇论文用具体数据和实验证明世界模型的幻觉本质是数据覆盖问题,还给出了实用的检测和缓解方法。
Tripo AI 搞了个新世界模型 Project Eden,先建好地图再渲染,物体不会消失,还能多人同在一个世界。刚融资 2 亿美元,值得关注。
通义千问出了个新模型,不是教Agent怎么动,而是先让模型懂环境变化。用模拟环境练出的Agent反而比真实环境练的还强,还开源了35B版,值得看看。
Qwen做了个新Agent模型Paradigm II,不用额外训练就在终端、编码、搜索和工具调用任务上全涨分,尤其没见过的任务也管用。
阿里新开源了35B参数的MoE模型,只激活3B,256K超长上下文,配合AgentWorldBench,研究智能体世界建模的赶紧试试。
阿里Qwen造了个能模拟7种环境的AgentWorld,在AgentWorldBench上干掉了Claude和GPT最新版,训练智能体不用真实环境也能更强,零微调迁移呢。