XPRIZE野火竞赛揭示:AI能快速发现火情,却仍难在十分钟内扑灭
XPRIZE Wildfire竞赛展示了卫星、地面传感器和消防无人机的进展。决赛队伍都能在十分钟内发现目标火灾,但没有团队完成彻底扑灭。
阅读全文XPRIZE Wildfire竞赛展示了卫星、地面传感器和消防无人机的进展。决赛队伍都能在十分钟内发现目标火灾,但没有团队完成彻底扑灭。
阅读全文HuRo提出一套“机器人化”流水线,将异构人类操作视频转换为机器人对齐的观测与动作轨迹,并构建包含约63万条机器人化片段的数据集。实验显示,扩大这类数据的预训练规模,能够明显提升真实机器人操作及分布外泛化表现。
阅读全文ShieldVLA 将 Hamilton-Jacobi 可达性分析引入 VLA 安全微调,用视觉观察学习安全 critic,并在可行区域与恢复状态之间切换优化目标。论文称,该方法在五项导航与操作基准上平均降低 57% 的累积安全代价,相比 SafeVLA 将任务成功率提高 0.13。
阅读全文CARE提出一种面向机器人操作失败恢复的数据驱动框架:从真实执行失败中学习偏差分布,并生成更有代表性的纠正示范。它还通过分阶段规划与三维监测,在任务尚未完全失控时执行原子级调整或重新操作。
阅读全文RoboDawn提出一种面向智能体视觉语言模型的离散控制接口,让模型通过观察、推理、执行和再观察的闭环完成机器人操作。实验显示,少量示范即可显著提升任务成功率,并在仿真与真实机器人上展现迁移能力。
阅读全文一项新研究提出,将世界模型的物理场景表征蒸馏进紧凑型 VLA,而不把昂贵的未来预测带入控制环路。实验显示,该方法能在不增加部署计算和模型容量的前提下提升机器人操作表现。
阅读全文Grounded Action Model(GAM)将3D目标定位直接纳入机器人基础模型,使机器人能够根据语言、点或框提示锁定目标,并结合精确几何信息生成动作。实验显示,这种以对象为中心的设计在场景变化、目标移动和长程操作中具备更强的泛化能力。
阅读全文一项新研究为3D扩散策略加入了轻量级的运动趋势表示,使机器人不仅依据当前观测生成动作,还能判断交互接下来可能如何发展。该方法无需显式规划轨迹,却在多个仿真和真实机器人基准上明显优于DP3。
阅读全文VABench 不再只考察模型能否说出物体在哪里,而是进一步测试其在信息不完整时主动观察、建立空间关系、发出精确动作并依据反馈修正的能力。结果显示,模型在定位等基础能力上表现较好,但距离稳定完成复杂操作仍有明显差距。
阅读全文曾名为UP.Labs的Vantora完成1亿美元融资,并将业务重点转向为工业企业创建可被并入其核心业务的物理AI初创公司。它的新模式更像一条面向企业的专属并购管线。
阅读全文GPT-Policy 将视觉语言模型、上下文编译器与受约束控制器结合,让机器人能够参考示范和交互反馈,在不更新梯度或任务参数的情况下适应新任务。研究显示,人类视频示范可以提升任务完成度,而带有动作对齐信息的参考对接触敏感任务更有帮助。
阅读全文北约支持的Scaleout Systems正在把轻量级视觉模型部署到无人机、前线平板和指挥节点,使系统即使在通信受干扰时也能执行目标识别与任务更新。其参与的ALMA项目已展示无人机自主发现、定位并攻击指定目标的能力。
阅读全文Agility Robotics发布新一代人形机器人Digit 5,试图让机器人在没有物理围栏的仓库和工厂中与人共处。它能根据人员距离选择避让、暂停,甚至蹲下等待。
阅读全文Agent as Policy 将通用编程智能体接入实体机器人,使其能够根据视觉观察编写程序、发出动作指令,并依据真实世界反馈持续修正策略。研究显示,这种无需任务专门训练的架构已在装配、堆积、投掷和柔性物体操作等任务中展现出可行性。
阅读全文PhysBrain 1.5 试图将视觉语言理解、机器人动作生成和未来状态预测纳入同一个自回归模型。论文称,8B 模型在 28 项具身理解基准上取得平均 72.5 分,并达到开源模型领先水平。
阅读全文MobileVLA-R1 2.0 将结构化具身推理、强化学习与动作解码结合起来,试图解决移动机器人从语言理解到实际执行之间的断层。该框架覆盖导航、四足机器人控制和人形移动操作,并在多项评测中超过前代模型。
阅读全文ReactHuman 将物理仿真、视觉理解与即时行动结合起来,测试多模态大模型能否在家庭危险突发时做出安全决策。结果显示,当前模型仍会误判约三分之一的场景。
阅读全文机器人基础模型在熟悉环境中表现出色,却可能依赖与动作偶然相关的视觉线索。新提出的 Latent Interface Training(LIT)通过分阶段训练和姿态监督,限制视觉信息进入动作生成的方式,从而提升模型面对相机、光照和干扰变化时的稳定性。
阅读全文一台售价约4000美元的Unitree Go2 Pro,展示了足式机器人从实验室走向普通消费者的可能,也暴露出续航、散热和实用性方面的现实限制。
阅读全文MaP-WAM提出“记忆即计划”的世界—动作建模框架,将长期多模态经历转化为分段计划,再交给执行器闭环完成。该方法试图在保留视觉证据的同时,避免不断输入完整历史带来的效率负担。
阅读全文Show-Harness 提出了一种连接 VLM 意图与机器人动作的紧凑语义接口,让模型无需专门的具身预训练即可参与更细粒度的控制决策。该框架还通过 GUI 采集示范,降低跨机器人收集数据的门槛。
阅读全文