跳到正文
只看一手#具身智能
  1. Google DeepMind78

    Google DeepMind 发布 Gemini Robotics 2.5 视觉-语言-动作模型

    Google DeepMind 发布 Gemini Robotics 2.5，称其为目前能力最强的视觉-语言-动作（VLA）模型，在 200 项任务上相比此前基线成功率提升 30% 至 100%，完成任务速度快 20% 至 30%。

    推荐理由：官方给出 200 项任务评测与奔驰产线 96% 成功率，可据此判断 VLA 模型在真实工业场景的落地程度。

  1. NVIDIA Blog78

    NVIDIA 在 CoRL 发布 GR00T 2 世界动作模型及 Isaac Lab 3.0 等开源机器人技术

    NVIDIA 在 CoRL 上发布开源世界动作模型 GR00T 2，基于 NVIDIA Cosmos 构建，训练数据包含 10 万小时开源人类第一视角数据。该模型在 50 项任务中每项仅用一次演示即达到 71% 平均成功率，五次演示提升至 95%，并可在不同机器人本体间迁移技能。

    推荐理由：原文给出 GR00T 2 的少样本成功率与仿真训练吞吐提升，读者可据此判断机器人训练流程的变化。

已经到底了