跳到正文

#具身智能

今日 2 条

6月2日星期二

Latent Space

英伟达连发三弹:Cosmos 3 世界模型、Nemotron 3 Ultra 大模型,还有一台叫 Spark 的个人超算

英伟达在台北电脑展上放出了一波开源模型和硬件。Cosmos 3 是一个能同时处理文字、图片、视频、音频和动作的“世界模型”,用了混合 Transformer 架构,把负责推理和负责生成的两个模块拼在一起。它分 Nano(16B)和 Super(64B)两个尺寸,其中 Super 微调后的文生图和图生视频能力,在开放权重模型里直接冲到了第一。

推荐理由:英伟达在台北电脑展一次放出世界模型、大模型和本地推理硬件,Cosmos 3 的混合 Transformer 架构与 16B、64B 两个尺寸给出了具体技术锚点。

6月1日星期一

AI HOT 精选

NVIDIA 开源 Cosmos 3:一个模型搞定物理世界的看、想、动

NVIDIA 在 GTC Taipei 把 Cosmos 3 完全开源了,模型权重、代码和数据集都放了出来。它被叫做首个物理 AI 全能模型,意思是能直接看懂真实世界、预测接下来会发生什么,并给出机器人该做的动作。这次发了两个尺寸:Super 版 320 亿参数,Nano 版 80 亿参数。正文没提具体跑分和硬件门槛,实际部署成本还得自己测。

推荐理由:NVIDIA 将 Cosmos 3 的权重、代码和数据集全部开源,并给出 320 亿与 80 亿参数两个版本,为机器人方向提供了可直接取用的物理世界理解与动作生成模型。

机器之心 · 公众号

OpenAI 为机器人团队招兵买马,由 Sora 负责人带队,部分岗位底薪开到 34 万美元以上

OpenAI 放出了十多个旧金山的机器人岗位,团队由 Sora 的负责人 Aditya Ramesh 带队,是从他之前的 Worldsim 项目演变过来的。其中执行器设计工程师的底薪现金在 34.2 万到 44.5 万美元之间,另外还有 PPU 激励。不过原文因为微信环境异常,具体岗位职责和团队规模都没披露,只能看到招聘信息的大致框架。

推荐理由:OpenAI 在旧金山放出十多个机器人岗位,由 Sora 负责人 Aditya Ramesh 带队,执行器设计工程师底薪现金 34.2 万至 44.5 万美元。

机器之心 · 公众号

VAST 发布 Project Eden,世界模型第一次能像游戏一样“存档”了

VAST 推出了一个叫 Project Eden 的三层世界模型架构,把场景的持久状态和画面渲染拆开了。简单说,就是给 AI 生成的 3D 世界加了个“存档”功能,你改过的东西下次打开还在,不用每次都重新生成。文章还提到 VAST 在 A+ 和 A++ 轮一共融了将近 2 亿美元。

推荐理由:VAST 发布 Project Eden 三层世界模型架构,将场景持久状态与画面渲染分离,使 AI 生成的 3D 世界具备存档能力,改动后再次打开仍然保留。

量子位 · 公众号

招商局狮子山实验室开源 LiOS 架构,把云端大模型延迟压到 30 毫秒,还送了个叠衣服数据集

招商局狮子山人工智能实验室放出了一个叫 LiOS 的边云架构,专门解决机器人怎么用上云端大模型的问题。他们跨机器测下来,从本地摄像头到云端 GPU 显存,单向延迟大约 30 毫秒,这个数字对很多实时控制场景已经够用了。架构里低延迟视频传输模块直接开源,还附带了一个 LeFold 叠衣服数据集。

推荐理由:招商局狮子山实验室开源 LiOS 边云架构,实测本地摄像头到云端 GPU 显存单向延迟约 30 毫秒,并开放低延迟视频传输模块与 LeFold 叠衣服数据集。

量子位 · 公众号

VAST 拿了近 2 亿美元,首次公开世界模型 Eden 的技术路线

VAST 在 A+ 和 A++ 轮融了近 2 亿美元,同时公布了 Project Eden 世界模型的架构。这套架构把“世界状态怎么变”和“画面怎么渲染”拆开了:先有一个结构化的状态层来推演变化,中间加一层条件接口做翻译,最后再用生成式渲染层出图。正文没披露具体估值、投资方和模型落地时间表,技术细节也只给了三层框架,没有实验数据和验证指标。

推荐理由:VAST在近2亿美元融资时公开Project Eden世界模型架构,把世界状态推演与画面渲染拆成状态层、条件接口层和生成式渲染层,为理解世界模型的技术分工提供了一份具体框架。

AI HOT 精选

Runway 与 NVIDIA 联手搞了个 Cosmos Coalition,要一起做开放的世界模型

Runway 宣布以创始成员身份加入 Cosmos Coalition,跟 NVIDIA 和一批头部 AI 实验室搭伙,目标是共建并开源面向物理 AI 的前沿世界模型。第一个项目是 Runway 和 NVIDIA 联合开发的一个基础模型。

推荐理由:Runway 以创始成员身份加入 Cosmos Coalition,与 NVIDIA 及多家 AI 实验室共建开源物理 AI 世界模型,其与 NVIDIA 联合开发的基础模型是联盟启动后的第一个项目。

AI HOT 精选

英伟达开源 Cosmos 3:一个能看懂物理世界、还能生成动作的 32B 模型

英伟达把 Cosmos 3 称为第一个完全开放的物理 AI 全能模型,意思是它不只能识别图像,还内置了视觉推理、生成 3D 世界状态和直接输出动作的能力。这次放出两个尺寸:Super 版 320 亿参数,Nano 版 80 亿参数。正文没提训练数据规模、具体跑分和推理成本,所以实际能用多好、跑起来贵不贵还得等实测。

推荐理由:英伟达开源 Cosmos 3 物理 AI 模型,同时放出 320 亿参数的 Super 版和 80 亿参数的 Nano 版,把视觉推理、3D 世界状态生成与动作输出整合进同一模型。

AI HOT 精选

MWC26 上海要办人形机器人点球大战,宇树科技等 8 支队伍上场,全程自主、不靠遥控

GSMA 宣布在 2026 年 6 月 24 日至 25 日的 MWC 上海搞一场人形机器人点球比赛,这是全球头一回。8 支国内具身智能团队参加,包括宇树科技、灵心巧手等。规则参照世界杯点球,双方各罚 5 轮,射门和守门的都是机器人,平局后一球定胜负。关键限制是机器人必须自己识别球和守门员位置、决定射门角度并控制发力,不能由人遥控,也不能跑预设脚本。

推荐理由:MWC上海将办一场人形机器人点球赛,宇树科技等8支队伍参赛,规则要求机器人自主识别球与守门员位置并决定射门角度和发力,不能遥控或跑预设脚本。

AI HOT 精选

OpenAI 成立机器人团队,由 Aditya Ramesh 带队,正在招硬件和系统工程师

OpenAI 发推宣布正式组建机器人团队,由 Aditya Ramesh 负责,目前开放全栈硬件、系统和 ML 工程师岗位。团队方向是软硬件协同设计,短期先帮技术工人干活,远期想给每个人配一台个人机器人。推文没写招聘规模和具体时间表,也没提预算或产品形态,我会先打个折——这更像是一个组队信号,离实际产品还有距离。

推荐理由:OpenAI 组建机器人团队并由 Aditya Ramesh 带队,同时开放硬件、系统和 ML 工程师岗位,方向是软硬件协同设计,短期先落地在技术工人场景。

5月31日星期日

新智元 · 公众号

复旦系团队发布时空一体世界动作模型 STI-WM,称能同时吃进 RGB、点云和本体感知数据做百秒级任务规划

这篇文章来自微信公众号,但页面被环境验证挡住了,正文内容完全看不到。标题和摘要里提到的“复旦铁三角”和“最优物理 AI 路径”都是原文的说法,具体技术细节、实验数据和模型架构都没法核实。已知信息是:一个叫 STI-WM 的模型,主打时空一体的世界动作建模,用在机器人上,支持 RGB 图像、点云和机器人自身状态感知三种输入,能做上百秒的任务规划。

推荐理由:复旦系团队发布 STI-WM 世界动作模型,将 RGB、点云与机器人本体感知统一输入,支持上百秒的任务规划,其多模态融合思路为机器人长程动作建模提供了一条可参考的技术路径。

量子位 · 公众号

复旦系团队发布机器人世界动作模型 STI-WM,把时空信息揉在一起做长任务

沐神智能搞了个叫 STI-WM 的模型,专门给机器人用的。它把 RGB 画面、深度点云和机器人自身状态(比如关节角度)同时喂进去,首创了时空一体的架构,不再是先看空间再看时间的两段式处理。官方说它能支撑上百秒的长任务推演,中间出错了还能闭环重新规划。不过正文没给出具体的基准测试分数,也没提部署成本,所以实际效果和性价比还得等更多数据。

推荐理由:沐神智能发布 STI-WM,把 RGB、深度点云与机器人关节状态同时输入一个时空一体架构,支撑上百秒长任务推演并支持出错后重新规划。

AI HOT 精选

特斯拉 FSD V14.3.3 用 4 天 21 小时横穿加拿大,6051 公里全程没让人碰方向盘

一群电动车爱好者开着搭载 FSD V14.3.3 的特斯拉,从温哥华一路跑到哈利法克斯,6051 公里零接管、零退出。变道、过施工路段、甚至每次进超充站自动倒车泊车,全是系统自己干的。这个版本放宽了对驾驶员盯路的判定,长途开下来没那么累。不过得说清楚,这仍是 L2 级辅助驾驶,法规上要求人随时准备接管。

推荐理由:特斯拉 FSD V14.3.3 在温哥华到哈利法克斯的 6051 公里行程中零接管,变道、施工路段和超充站自动泊车都由系统完成,这条记录展示了 L2 级辅助驾驶在长途场景下的实际表现。

5月30日星期六

FT · 科技

英国军方考虑允许 AI 自主发动致命打击,不再需要人类批准

FT 这篇报道的标题很炸,但正文被付费墙挡住了,只看到订阅页面。标题说英国军方正在研究让武器系统在没有人类批准的情况下执行致命打击。具体是哪种武器、在什么条件下可以自主开火、法律框架怎么搭、有没有时间表,这些关键信息正文都没披露。光看标题,这更像是一个政策方向的试探,离真正部署还远,先别太激动。

推荐理由:英国军方研究允许武器系统在无人类批准下执行致命打击,触及自主武器与人类控制权这一长期争议的政策边界。

机器之心 · 公众号

英伟达和清华的 γ-World 把世界模型从单机改成了联机,登顶 HuggingFace 日榜

这篇推文本身因为微信环境验证没抓到正文,我只能根据已有的英文摘要和标题来还原。γ-World 是一个多智能体世界模型,核心是把多个 AI 角色放在同一个虚拟环境里互动。它用了一种叫“单纯形位置编码”的方法和 hub token 机制,把多个智能体之间的交互计算成本从平方级降到了线性级。

推荐理由:英伟达与清华团队提出多智能体世界模型 γ-World,用单纯形位置编码和 hub token 把智能体间交互的计算成本从平方级降到线性级。

The Verge · AI

想拍你干家务,AI 公司开始用免费保洁换训练数据

一家叫 Shift 的 AI 训练初创公司说,可以免费给纽约人打扫房子,条件是允许他们拍摄保洁员干活的全过程:洗碗、擦台面、掸灰、拖地。这些视频会被用来训练家用机器人。公司还计划扩展到伦敦等城市。但正文没披露用户隐私条款、数据保留期限、后续收费模式,也没说具体什么时候进新城市。我会先打个折:免费保洁听着不错,但等于拿你家当机器人训练场,值不值得自己掂量。

推荐理由:Shift 用免费保洁换取在纽约家庭拍摄洗碗拖地等家务全程的视频,用于训练家用机器人,并计划扩展到伦敦等城市。

5月29日星期五

The Verge · AI

Shift 用免费上门打扫换机器人训练数据,清洁工会全程被录像

一家叫 Shift 的 AI 训练数据公司说,可以免费帮你打扫家里,条件是让他们录下清洁工擦窗、吸尘、整理的全过程,拿这些视频去训练机器人。他们觉得这些数据的价值足够覆盖服务成本,网站上写的是“你得到干净屋子,我们拿到训练数据,双赢”。宣传片里清洁工戴着一顶有点奇怪的帽子干活。

推荐理由:Shift 用免费家政服务换取清洁过程的录像,把日常家务变成机器人训练数据的采集场景,其数据价值覆盖服务成本的模式是这条的核心看点。

AI HOT 精选

特斯拉说 FSD 比人安全十倍,但训练它的员工自己都不敢坐

路透社扒了特斯拉的安全报告,发现“比人类安全 10 倍”这个说法站不住脚。特斯拉拿自己车气囊弹出的数据,去跟全美所有车辆(包括老车)的普通事故率比,11 位交通安全研究员看了直摇头,说这是误导性营销。更扎心的是,9 名前数据标注员和 1 名前工程师爆料,FSD 连避让校车、紧急车辆这种基础操作都还搞不定。

推荐理由:路透社核查特斯拉安全报告,11 位交通安全研究员指出其用自家气囊数据对比全美平均事故率的统计口径问题,另有 10 名前员工透露 FSD 在避让校车等基础场景上的表现。

5月28日星期四

NVIDIA 博客

NVIDIA 在 ICRA 发了 8 篇论文,核心是让机器人在仿真里练完直接去现实世界干活

NVIDIA Research 在 ICRA 上展示了 8 篇论文,都围绕一个思路:在仿真里训练机器人,然后直接部署到真实环境。ScheduleStream 让多机械臂并行规划,速度提升 3 倍,代码已开源。COMPASS 导航框架完全不靠真实数据,在仿真里训练后迁移到真机,20 次真实导航测试成功率约 80%,比纯模仿学习基线高了 4.5 倍。

推荐理由:NVIDIA Research 在 ICRA 发布 8 篇论文,其中 COMPASS 导航框架不依赖真实数据,仿真训练后迁移到真机,20 次测试成功率约 80%,为纯模仿学习基线的 4.5 倍。

AI HOT 精选

Mistral 推出物理 AI 模型,用一张 GPU 几秒钟预测完整物理场

Mistral 整合了 Emmi AI 团队,发布了一个面向工业工程的物理 AI 基础模型。它能根据几何结构、边界条件或测量数据,在单张 GPU 上用几秒钟预测出完整的物理场(比如温度、应力分布)。正文没披露具体架构、参数量、训练数据规模和实测误差范围,也没给出跟传统数值仿真在精度和速度上的量化对比,所以实际工程可用性还得看后续验证。

推荐理由:Mistral 整合 Emmi AI 团队后推出面向工业工程的物理 AI 基础模型,可在单张 GPU 上几秒预测温度、应力等完整物理场,为关注工业仿真效率的读者提供一条技术路线参考。

机器之心 · 公众号

ICML 2026:AutoMoT 用大小模型异步分工,在 Bench2Drive 和 nuScenes 上拿了双料第一

这篇文章本身被微信环境验证挡住了,正文内容没抓到,所以下面说的都基于标题和已知信息。AutoMoT 是南洋理工 AutoMan 实验室、哈佛和小米汽车一起搞的端到端驾驶模型,核心思路是把视觉语言模型和驾驶动作拆成两个专家:一个 4B 的 Qwen3-VL 负责看懂场景,一个 1.6B 的动作专家负责输出驾驶指令,而且两个模型是异步推理的,不用互相等。

推荐理由:AutoMoT 把 4B 视觉语言模型与 1.6B 动作专家拆成异步推理,在 Bench2Drive 和 nuScenes 上取得双料第一,其大小模型分工思路可供端到端驾驶架构参考。

机器之心 · 公众号

国产预训练具身大模型 Wall-OSS-0.5 开源,宣称跳过微调也能直接干活

X Square Robot 开源了一个叫 Wall-OSS-0.5 的视觉-语言-动作模型,主打“预训练完就能用”。他们放出了 40 万步的预训练 checkpoint,在 17 个真实机器人零样本任务里,有 4 个成功率超过 80%。这次开源的东西挺全:权重、代码、训练配方、消融实验,还有一个叫 DMuon 的优化器实现。

推荐理由:X Square Robot 开源视觉-语言-动作模型 Wall-OSS-0.5,放出 40 万步预训练 checkpoint,在 17 个真机零样本任务中 4 个成功率超 80%,并附权重、代码与训练配方。

5月27日星期三

机器之心 · 公众号

三星公开 Meki、M2RL 和 LiveClawBench 三项研究,从端侧记忆架构做到物理 AI 评测

三星这次放出了三个项目:Meki 是一种给端侧模型用的记忆架构,让手机或 IoT 设备上的小模型能记住上下文、省着用算力;M2RL 是多领域强化学习框架,想让一个模型在不同任务里都能自己学会干活;LiveClawBench 则是专门测物理 AI 的基准,看模型能不能在真实世界里抓取、操作物体。

推荐理由:三星公开 Meki、M2RL 与 LiveClawBench 三项研究,分别对应端侧记忆、多领域强化学习和物理 AI 评测,读者能从中看到三星在端侧与机器人方向上的布局。

AI HOT 精选

Reachy Mini 机器人现在能完全在本地跑语音对话了

Hugging Face 给 Reachy Mini 机器人配了一套纯本地运行的语音对话方案,数据不用上传云端。他们用 speech-to-speech 库搭了一条流水线:先靠 Silero VAD 检测有没有人在说话,再用 Parakeet-TDT 把语音转成文字,接着交给大模型想怎么回,最后让 Qwen3-TTS 把文字念出来。

推荐理由:Hugging Face 为 Reachy Mini 搭了一条全本地语音对话流水线,从 Silero VAD、Parakeet-TDT 到 Qwen3-TTS 逐环节可查,为想在边缘设备上复现同类方案的人提供了完整技术路径。

5月26日星期二

纽约时报中文网

中美共同的 AI 焦虑:怕被未来收割

作者在中美两头跑,发现两边的普通人都在被同一种不安笼罩:技术跑太快,红利不一定轮到自己。文章用滴滴司机钻算法空子、美国送餐员抢单的例子开场,指出 AI 在两国都加剧了职场监控、情感孤独和无力感。美国超七成青少年拿聊天机器人当陪伴,中国预计到 2030 年独居人口达 2 亿,AI 伴侣成了孤独的速效解药。

推荐理由:作者在中美两地观察到普通人对 AI 的共同不安,用滴滴司机钻算法空子、美国送餐员抢单等例子,说明技术红利未必落到个人身上。

5月25日星期一

机器之心 · 公众号

众趣科技开源浏览器端3D高斯泼溅查看器,10亿个高斯点也能跑,内存和速度都比李飞飞团队的Spark 2.0强

众趣科技把他们的Aholo Viewer开源了,这是一个在浏览器里直接看3D高斯泼溅场景的工具。在300万个高斯点的测试里,它占用的内存只有Spark 2.0的一半,加载速度快了一倍,渲染速度快了两倍,而且宣称能撑住10亿个高斯点的场景。

推荐理由:众趣科技开源浏览器端3D高斯泼溅查看器Aholo Viewer,300万高斯点测试中内存占用为Spark 2.0的一半、加载快一倍、渲染快两倍,并称可支撑10亿点场景。

5月22日星期五

AI HOT 精选

国家发改委:建训练基础设施,让机器人从跑马拉松到进工厂商场家庭

国家发改委在5月22日的发布会上,用北京亦庄人形机器人半马的成绩来说明具身智能的进步:参赛队伍从20多支涨到100多支,完赛队伍从6支涨到40多支,机器人跑得更快、过弯更灵活、导航更自主。下一步会重点建两样东西:一是训练基础设施,用来采集数据和训练机器人的“大脑”和“小脑”模型,让它在不同场景都能干活。

推荐理由:国家发改委提出加快具身智能训练基础设施建设,并引用亦庄半马参赛队伍从20多支增至100多支、完赛队伍从6支增至40多支的数据,指向机器人从赛场走向工厂、商场和家庭。

机器之心 · 公众号

CVPR 2026 | HiF-VLA:用视频压缩的思路教机器人“边看动作边想下一步”

西湖大学团队搞了个叫 HiF-VLA 的框架,核心想法是把机器人看世界的方式从“一帧帧静态图”换成“画面怎么动的”。它直接用 H.264 这类视频编码器从画面里提取紧凑的运动向量,再让一个联合专家模型同时预测未来的视觉动态和该做的动作序列。论文里给的数据是,在设定的历史窗口下,显存峰值 31.4GB,延迟 117.7 毫秒。

推荐理由:西湖大学团队提出 HiF-VLA,用 H.264 运动向量替代逐帧视觉编码,并让联合专家模型同时预测视觉动态与动作序列,显存峰值 31.4GB、延迟 117.7 毫秒。

彭博科技

Waymo 在亚特兰大暂停无人出租车,因为车辆会往洪水里开

Waymo 在亚特兰大的一辆车直接开进了被淹路段,导致公司暂停了五个城市的服务。问题出在车辆对积水路面的识别和决策上——它判断不出“水有多深、能不能过”,就硬着头皮往前开。这跟之前导致数千辆车被召回的是同一个毛病。不过正文没披露具体是哪五个城市,也没说什么时候恢复运营。

推荐理由:Waymo 因车辆驶入亚特兰大积水路段而暂停五城服务,这与早前触发数千辆车召回的是同一识别缺陷,指向无人车在恶劣天气下的安全边界。

NVIDIA 博客

NVIDIA 在 COMPUTEX 2026 拿了四个奖,Vera Rubin NVL72 号称推理能效比上代高 10 倍

NVIDIA 在 COMPUTEX 2026 上靠 Vera Rubin NVL72、Jetson Thor 和 Alpamayo 拿了四个 Best Choice 奖。

推荐理由:NVIDIA 在 COMPUTEX 2026 凭 Vera Rubin NVL72、Jetson Thor 和 Alpamayo 拿下四个 Best Choice 奖,其中 NVL72 给出的推理能效数字比上代高 10 倍。

5月21日星期四

AI HOT 精选

FSD 官宣进入中国大陆,但没公布城市、车型和价格

特斯拉发了一条很短的官宣,说 FSD 正式进入中国大陆市场。正文没披露哪些城市能用、支持什么车型、怎么收费,也没提监管审批情况。目前只有一句话,我会先打个折,等具体落地细节出来再看。

推荐理由:特斯拉官宣 FSD 正式进入中国大陆市场,但未公布可用城市、支持车型与收费方式,这条消息的价值在于自动驾驶市场等待已久的落地动作有了官方口径。

5月20日星期三

新智元 · 公众号

摩尔线程 MUSA 生态更新:SDK 对齐 CUDA 12.8,SGLang 主线已合并

摩尔线程放出了自家 GPU 生态 MUSA 的最新进展。SDK 5.1.0 把兼容目标拉到了 CUDA 12.8,覆盖了 761 个驱动和运行时接口,意思是跑 CUDA 代码时能认的指令更多了。推理框架 SGLang 的主线代码已经合并了 MUSA 的支持,硬件支持排期在 2026 年第二季度。

推荐理由:摩尔线程 SDK 5.1.0 将兼容目标对齐 CUDA 12.8,覆盖 761 个驱动和运行时接口,SGLang 主线也已合并 MUSA 支持,硬件排期在 2026 年第二季度。

新智元 · 公众号

驭势科技在港交所上市,成为全场景L4自动驾驶第一股,市值超百亿港元

驭势科技今天在港交所挂牌,发行价每股60.30港元,公开发售部分超额认购6777倍。公司主要做机场、厂区这类封闭场景的L4级无人驾驶物流车和接驳车,2025年在大中华区机场L4商用车市场占了90.5%的份额。不过原文因为微信环境验证拦截,正文内容没抓到,具体的财务数据、技术路线和募资用途都没披露,这些关键信息得去翻招股书才能确认。

推荐理由:驭势科技在港交所挂牌,机场L4商用车市占率90.5%,公开发售超额认购6777倍,这条资讯呈现了自动驾驶企业在封闭场景商业化落地的进展。

纽约时报中文网

中国法院第三次判企业用 AI 替代员工后辞退违法,杭州案月薪从 2.5 万降到 1.5 万被认定非法解雇

杭州中院把一起 AI 替代岗位的案子定为指导性案例:公司用 AI 取代质检岗,给员工调岗但月薪从 2.5 万砍到 1.5 万,员工拒绝后被辞退,法院认定公司没做合理安置,属于违法辞退。这是中国官方第三次公开支持被 AI 抢走工作的劳动者胜诉,信号很明确——企业引入 AI 算自愿降本,不能当裁员的理由。

推荐理由:杭州中院将企业用AI替代质检岗后降薪辞退员工认定为违法,这是中国法院第三次公开支持被AI抢走工作的劳动者胜诉。

TechCrunch · AI

Google 把街景塞进 Genie 世界模型,现在能直接生成可交互的街道模拟

Google DeepMind 把 Street View 街景数据接入了自家的世界模型 Project Genie,让它能根据真实街道照片生成可交互的 3D 场景。你可以像玩游戏一样在模拟街道里走动,还能调天气、看极端气候下的样子。

推荐理由:Google DeepMind 将街景数据接入世界模型 Project Genie,能由真实街道照片生成可交互 3D 场景并调节天气,为机器人与游戏仿真提供现成地图素材。

5月19日星期二

AI HOT 精选

现代汽车计划在自家工厂部署 2.5 万台波士顿动力 Atlas 人形机器人

现代汽车集团在摩根大通的投资者会上说,要在现代和起亚的制造工厂里用上超过 2.5 万台 Atlas 人形机器人,目标到 2028 年实现年产 3 万台。执行器(相当于机器人的关节和肌肉)会在美国工厂生产,规划年产能超过 30 万个。不过正文没披露具体什么时候开始铺、铺到哪些工厂,也没说采购成本。

推荐理由:现代汽车集团计划在现代和起亚工厂部署超2.5万台波士顿动力Atlas,并设定2028年年产3万台目标,这一规模展示了人形机器人在汽车制造环节的潜在应用量级。

AI HOT 精选

地平线开源了 4 亿参数的机器人控制模型 HoloMotion-1,能跳舞、搬箱子,端侧跑到 300 帧

地平线机器人实验室把一个人形机器人全身控制模型 HoloMotion-1 开源了,参数规模 4 亿,他们管它叫“机器人小脑”。这个模型用了 MoE 稀疏激活和 KV-cache 推理,把单步推理开销压下来,在端侧能跑到约 300FPS,比常见的 50Hz 控制频率高出一大截。

推荐理由:地平线机器人实验室开源了 4 亿参数的人形机器人全身控制模型 HoloMotion-1,靠 MoE 稀疏激活和 KV-cache 把端侧推理做到约 300FPS,远高于常见的 50Hz 控制频率。

量子位 · 公众号

摩尔线程发布国产全栈具身智能仿真平台,机器狗“小飞”全程在自家 GPU 上完成训练

摩尔线程推出了 MT Lambda 仿真平台,把物理引擎、渲染和 AI 模型训练整合到一起,用自家的 GPU 跑通了从模拟到真机的完整流程。现场演示的机器狗“小飞”在仿真里学会走路后,直接迁移到实物上就能跑。不过正文因为需要验证码没能完整抓取,具体的技术参数、训练时长和成功率数据都没披露,这点先别太激动。

推荐理由:摩尔线程发布 MT Lambda 仿真平台,将物理引擎、渲染与 AI 训练整合在自家 GPU 上,机器狗小飞在仿真中学会走路后直接迁移到实物。

AI HOT 精选

NVIDIA 用 LoRA/DoRA 微调 Cosmos Predict 2.5,让它能生成机器人第一视角视频

NVIDIA 发了一篇技术博客,教你怎么用 LoRA 和 DoRA 这两种轻量微调方法,去训练他们自家的 Cosmos Predict 2.5 视频模型。目标是让模型能根据文字指令,生成机器人看到的画面,比如机械臂在桌上抓东西。

推荐理由:NVIDIA 在技术博客中演示用 LoRA 和 DoRA 轻量微调 Cosmos Predict 2.5,让模型按文字指令生成机械臂抓取等机器人第一视角画面,为具身智能提供一条低成本造训练视频的路径。

5月18日星期一

AI HOT 精选

百度核心 AI 业务 Q1 营收超 136 亿元,首次占通用业务收入过半

百度发了 2026 年 Q1 数据,核心 AI 驱动业务收入超过 136 亿元人民币,同比增长 49%,连续多个季度在涨。这个数字第一次超过百度通用业务收入的一半,说明 AI 相关收入已经从“添头”变成了主力。增长主要来自 AI 云基础设施、AI 应用和自动驾驶出行平台 Apollo Go。

推荐理由:百度核心 AI 驱动业务一季度收入超 136 亿元,同比增长 49%,占通用业务收入过半,AI 云、AI 应用与 Apollo Go 是主要来源。