跳到正文
只看技术研究#具身智能
  1. arXiv 机器人论文摘要

    VLA 中有多少能力来自 kNN 检索

    研究发现，在无需策略训练的情况下，检索相近演示并复用其动作块即可在 LIBERO 上达到 91.7% 成功率，而 VLA 模型已超过 95%。在 LIBERO-Plus 扰动下，检索方法在所有受评策略中降幅最小；对九个公开 VLA 的分析显示，微调主要让视觉语言骨干成为更好的检索键，其动作仍接近演示数据。

    推荐理由：通过无策略训练的检索基线与九个公开 VLA 对照，研究呈现了 LIBERO 高分中训练演示复用的潜在比重。

  1. Google DeepMind

    Google DeepMind 发布 Gemini Robotics 2.5，提升机器人通用灵巧性

    Google DeepMind 发布视觉语言动作模型 Gemini Robotics 2.5，并开始向机器人合作伙伴推送，以扩大机器人可学习的技能范围并加快学习速度。

    推荐理由：原文同时给出200项任务评测、产线试点与安全数据，可用于比较模型在灵巧性、可靠性和风险控制上的进展。

  1. Google DeepMind

    Google DeepMind 发布实时交互世界模型 Genie 4

    Google DeepMind 发布世界模型 Genie 4，可实时生成并操控包含画面、环境音、音乐和互动对话的多模态模拟世界。模型结合 Gemini 系列维持场景连贯性并规划多步事件，目前已向可信测试者开放研究预览，随后将提供给 Project Genie 的 Google AI Ultra 订阅者及 Gemini API、Google AI Studio 的早期合作伙伴。

    推荐理由：Genie 4 展示了世界模型与 Gemini 协同生成、推理和控制的路径，并明确列出长期一致性等现阶段局限。

已经到底了