Gemini 4 Argon 仅通过观看视频，就教会了机器人玩沙包投掷游戏
Gemini 4 Argon 仅通过观看视频，就教会了机器人玩沙包投掷游戏。 它推演了物理规律，为自己编写了仿真程序，并教会 @Apptronik 的 Apollo 人形机器人连续 7 次投中。
推荐理由：这项演示将视频观察、物理建模和模型编写的仿真程序结合起来，具体展示了如何教会人形机器人完成一项物理任务。
16 条精选近 30 天 9条共收录 117条
更新具身智能的精选
Google DeepMind · X精选73 Google DeepMind精选82 Google DeepMind 推出用于机器人的 Gemini 4 Argon
Google DeepMind 推出 Gemini 4 Argon，这是一款通用型物理推理模型，可用于机器人控制、仿真重建、物理理解和自我改进。Google DeepMind 报告称，该模型仅通过推理便取得了 87% 的 ERQA 得分；此外，在一项仿真生成的训练示例中，真实世界机器人的成功率从 56% 提高到 75%，完成时间则从 35s 缩短到 24s。Google AI Ultra 订阅用户今天起可通过 Google AI Studio 和 Google Antigravity 使用 Argon；付费 Gemini API 层级用户也可在 Interactions API 中使用 gemini-4-argon。
推荐理由：仿真到硬件的示例为评估生成的训练回合如何在所报告的设置中提高机器人任务成功率并缩短完成时间，提供了具体依据。
Ars Technica · AI精选76 AMD 收购李飞飞创办的 World Labs，交易估值 8.2 亿美元
AMD 与 World Labs 宣布，AMD 将在年底前收购这家世界模型公司，交易估值 8.2 亿美元，尚待监管批准。World Labs 由计算机视觉科学家李飞飞与 Justin Johnson、Christoph Lassner、Ben Mildenhall 于 2024 年创办，最初融资 2.3 亿美元，其中部分来自 AMD。
推荐理由：AMD 以 8.2 亿美元收购李飞飞的 World Labs，读者可借此看到芯片厂商在世界模型与机器人合成数据上的布局。
The Decoder精选78 AMD 以 82 亿美元收购世界模型初创公司 World Labs
AMD 宣布以约 82 亿美元全股票交易收购专注空间智能的初创公司 World Labs，交易预计在 2026 年底前完成，尚待监管批准。World Labs 创始人李飞飞将加入 AMD 领导团队，出任执行副总裁兼首席科学家，直接向 CEO 苏姿丰汇报并负责前沿研究。
推荐理由：交易价格与团队去向之外，原文还给出世界模型路线的技术主张和与 Nvidia 的生态对比。
Latent Space精选80 AMD 以 82 亿美元收购 World Labs，Atlas 解决稀疏重建问题
AMD 以 82 亿美元收购 World Labs，官方博文提到其自 2024 年成立以来构建了图像、视频与空间重建的模型训练团队，并通过收购 SceniX 推进机器人仿真能力。
推荐理由：AMD 以 82 亿美元收购 World Labs，并披露 Atlas 在稀疏重建上的进展，可据此观察空间智能与机器人仿真的整合方向。
量子位精选82 AMD 以 82 亿美元全股票收购李飞飞 World Labs，李飞飞将任首席科学家
AMD 宣布以 82 亿美元全股票收购李飞飞的 World Labs，交易预计 2026 年底前完成，仍须取得监管批准。交割后李飞飞将加入 AMD 担任执行副总裁兼首席科学家，直接向苏姿丰汇报，联合创始人 Justin Johnson 和 Ben Mildenhall 继续带领团队并入 AMD。
推荐理由：交易细节与双方一年半的合作脉络被完整梳理，读者可据此理解芯片厂商为何要买下空间智能团队。
Fei-Fei Li · X精选77 World Labs 加入 AMD，Fei-Fei Li 将出任执行副总裁兼首席科学家
Fei-Fei Li 宣布，World Labs 将加入 AMD，她将出任执行副总裁兼首席科学家，直接与 Lisa Su 及其团队合作。她表示，此举建立在去年开始的一项技术合作之上，该合作旨在优化 AMD GPU 上的模型训练和推理。双方将共同推进空间智能，并提供涵盖硬件、软件、模型和数据的开放模型与平台。
推荐理由：Li 将 World Labs 加入 AMD 与双方现有的 GPU 合作联系起来，为更紧密的硬件集成如何契合公司在空间智能和物理世界应用方面的抱负提供背景。
Microsoft Research精选62 微软研究院：把物理 AI 推理卸载出机器人可提升任务表现与续航
微软研究院对移动机器人操作负载做了系统测量，发现把物理 AI 推理从机载 GPU 卸载到边缘或云端 GPU 可提升任务表现并延长续航。
推荐理由：微软研究院对机器人推理负载做了系统测量，给出把推理从机载 GPU 卸载到边缘或云端的性能与续航数据。
NVIDIA Blog精选62 NVIDIA 发布 Isaac ROS 5.0，推进智能体化开源机器人开发
NVIDIA 在 ROSCon 发布 Isaac ROS 5.0，新增智能体工作流与平台支持，帮助开发者更快构建、定制和部署机器人应用。
推荐理由：原文列出 Isaac ROS 5.0 的智能体技能与平台支持，读者可据此判断机器人开发流程的自动化程度。
Jim Fan · X精选69 NVIDIA 与伯克利开源用于触觉机器人学习的 T-Rex 方法
Jim Fan 宣布推出 T-Rex，这是一种由 NVIDIA 与伯克利合作开发的开源触觉机器人学习方法。 其混合 Transformer 架构将一个运行较慢的视觉运动专家与一个运行较快的触觉专家相结合，每个视觉时刻对应 4 个触觉时刻；一套在具有 22 个自由度的触觉手部硬件上采集的 50 小时（约 5,500 个回合）同步机器人操作数据集，现已在 HuggingFace 上发布。 该方法扩展了 EgoScale，其训练方案将人类第一人称视频预训练与触觉机器人操作数据的中期训练相结合。Fan 表示，这有助于衔接无接触预训练与富接触操作。
推荐理由：T-Rex 通过结合人类视频预训练、同步触觉机器人数据，以及视觉和触觉各自独立的处理频率，为富接触机器人学习提供了一种可迁移的方法。
Google DeepMind精选71 Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型
Google DeepMind 发布 Gemini Robotics ER 2，定位为机器人的高层大脑，负责与人类对话、理解物理世界并规划多步任务，再把动作执行交给底层 VLA 模型，还可原生调用 Google Search 等工具。
推荐理由：官方给出 ER 2 在进度分类与时刻定位上的具体数字和开放入口，可据此判断机器人在长任务中的可用边界。
Google DeepMind精选80 Google DeepMind 发布 Gemini Robotics 2，带来机器人全身智能
Google DeepMind 发布 Gemini Robotics 2，包含三款模型：负责视觉语言到运动控制的 VLA 模型 Gemini Robotics 2、负责具身推理的 Gemini Robotics ER 2，以及可在设备本地运行的 Gemini Robotics On-Device 2。
推荐理由：原文给出三款模型的职责分工与开放入口，读者可据此判断机器人全身控制与多机协作的落地路径。
Hugging Face Blog精选62 Hugging Face 发布 Grabette：录制机器人操作数据的开源系统
Hugging Face 发布 Grabette，一套开源低成本的手持夹爪操作数据录制系统，无需机器人或遥操作设备即可采集演示数据。Grabette 配备广角鱼眼相机与 RGBD 相机，分别负责策略视角与 6-DoF 轨迹跟踪，硬件 BOM 成本约 490€，配套的机器人端夹爪 Gripette 约 120€。
推荐理由：原文给出了从手持夹爪录制到 LeRobot 数据集的完整开源链路，读者可据此判断机器人操作数据的采集门槛变化。
Mistral AI精选71 Mistral AI 发布 Robostral Navigate 具身导航模型
Mistral AI 发布首个具身导航模型 Robostral Navigate，这是一个 8B 模型，仅用单个普通 RGB 相机、无需 LiDAR 或深度传感器，在 R2R-CE validation unseen 上达到 76.6% 成功率，比最佳单相机方案高 9.7 个百分点，比使用深度或多相机的最佳系统高 4.5 个百分点。
推荐理由：原文给出单目 RGB 相机下的导航成功率与训练方法，读者可据此判断具身导航对传感器依赖的变化。
Hugging Face Blog精选74 LeRobot v0.6.0 发布：想象、评估、改进
Hugging Face 发布 LeRobot v0.6.0，围绕机器人学习闭环引入世界模型策略（VLA-JEPA、FastWAM、LingBot-VA）、新一批 VLA（GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT）以及统一奖励模型 API（Robometer、TOPReward）。
推荐理由：原文把世界模型策略、奖励模型 API 与六个仿真基准整合进同一套 CLI，读者可据此判断机器人学习闭环的工程化程度。
Google DeepMind精选71 Google DeepMind 发布 Gemini Robotics-ER 1.6
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其推理优先机器人模型的重大升级，强化了空间推理与多视角理解，并新增仪表读数能力，可读取压力表、液位计等复杂仪表。
推荐理由：原文给出新模型在空间推理、多视角与仪表读数上的能力变化和开放入口，读者可据此判断机器人高层推理的进展。