告别通用具身模型崇拜:具身智能走向异构策略编排
告别通用具身模型崇拜:具身智能走向异构策略编排当 VLA、WAM、RL、TAMP、MPC 等机器人控制策略在各自擅长的任务中大放异彩,如何刻画其能力边界,并在正确的时机为不同子任务匹配最合适的策略,正逐渐成为机器人完成复杂长时序任务的关键。
搜索
当 VLA、WAM、RL、TAMP、MPC 等机器人控制策略在各自擅长的任务中大放异彩,如何刻画其能力边界,并在正确的时机为不同子任务匹配最合适的策略,正逐渐成为机器人完成复杂长时序任务的关键。
WAIC之后,具身智能行业进入了一段微妙的冷静期。
近五分钟“肌肉记忆”,推理延迟不随历史增长
今年,这条研究路线又往前走了一步。6 月,李飞飞参与的一项机器人研究 T-Rex 发布,研究者为机器人加入高频触觉反馈,让它完成翻书页、拿鸡蛋、挤牙膏、抽取薄卡片和拧灯泡等任务。
Axis Robotics 与佐治亚理工、加州大学伯克利分校、南洋理工等高校团队通过超过 5 万条人类演示和一组规模实验,给出了一个肯定但更复杂的答案:众源仿真数据可以有效,但模型能否从数据规模中持续获益,取决于任务覆盖、行为多样性、质量控制和数据增强,而不只是轨迹数量。
三智一体不断演进,开启具身智能新未来。
李飞飞老师的World Labs,补了块关键拼图。
大规模视频扩散模型,画面越来越真,却总在“物理定律”上栽跟头。
在WAIC 2026上,专注于通用具身智能人形机器人研发的「青心意创」出乎意料地带来了一款具身角色智能机器人「Amoo」。
刚刚,BeingBeyond智在无界发布首个基于人类视频数据的隐式触觉世界动作模型—— Being-H0.8。