跳到正文

#具身智能

今日 0 条
10月16日周五
10月14日周三
10月11日周日
10月6日周二
  1. The Decoder47

    Reka AI 发布 omni 模型 Rho-1:19B 参数,单一神经网络统一处理文本、图像、视频与机器人控制

    Reka AI 发布研究预览版 omni 模型 Rho-1(19B 参数),用单一神经网络统一处理文本、图像、视频与机器人控制。各类模态以 token 形式跑在同一共享上下文窗口,无需外部模型或工具调用,模型可实时生成连续视频并即时响应新指令。训练使用 320 张 H100 GPU,历时约三个月。

7月30日周四
  1. Google DeepMind74

    Google DeepMind 发布机器人具身推理模型 Gemini Robotics ER 2

    Google DeepMind 发布 Gemini Robotics ER 2,这是面向机器人的具身推理模型,支持视频理解、任务编排和多机器人协作,已通过 Gemini API、Google AI Studio 向开发者开放,并在 Gemini Enterprise Agent Platform 上私测。

    推荐理由:原文给出了进度分类与时刻定位的具体准确率和延迟数据,可据此判断高层推理模型在机器人任务编排上的能力边界。

7月28日周二
7月27日周一
7月8日周三
  1. Mistral AI49

    Mistral AI 发布 Robostral Navigate:8B 模型用单 RGB 相机实现机器人自主导航

    Mistral AI 发布 Robostral Navigate,这是一款 8B 参数的机器人导航模型,仅凭单目 RGB 相机即可让机器人在未见环境中自主导航,在 R2R-CE 验证集 unseen 上达到 76.6% 成功率。该模型比最佳单相机方案高 9.7 个点、比多传感器方案高 4.5 个点,并采用 CISPO 在线强化学习(再提升 3.2%)。

4月13日周一
  1. Google DeepMind61

    Google DeepMind 发布 Gemini Robotics-ER 1.6,强化具身推理与仪表读数

    Google DeepMind 发布 Gemini Robotics-ER 1.6,作为推理优先的机器人模型升级版,在指点、计数、成功检测等空间与物理推理上较 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 有明显提升。

    推荐理由:相比 1.5 与 Gemini 3.0 Flash,新模型新增仪表读数能力,可了解机器人具身推理的进展与开放入口。