具身智能

清华团队开源Motus：首个统一五大范式的具身世界模型，性能超越Pi-0.5达40% 由生数科技联合清华大学开源的大一统世界模型——Motus，在架构上首次将视觉-语言-动作（VLA）、世界模型、视频生成、逆动力学、视频-动作联合预测这五种具身智能范式统一起来，实现了“看-想-动”的完美闭环。 项目的主要负责人是来自清华大学计算机系朱军教授TSAIL实验室的…

大模型的革命行将结束，即将开启的会是物理 AI 时代？ 上周，图灵奖得主、深度学习先驱 Yann LeCun 对通用人工智能（AGI）发表了自己的最新观点。他认为语言并不等同于智能，预测文本并不意味着理解现实。真实世界纷繁复杂、充满物理性和因果关系，而如今的大语言模型（LLM）几乎无法触及这些。 LeCun 认为，真正的智能必须能像人类一样，在脑海中进行推演…

一场押注AI未来的技术豪赌。 北京时间1月29日，北京智源人工智能研究院推出的多模态大模型“悟界·Emu”登上Nature正刊。这是继DeepSeek之后第二个达成此成就的中国大模型团队研究成果，也是中国首篇围绕多模态大模型路线的Nature论文。 Nature编辑在点评中指出：“Emu3仅基于‘预测下一个token’实现了大规模文本、图像和视频的统一学习，…

引言：具身智能，AI从“认知”到“行动”的革命 当ChatGPT开启了通用人工智能的“认知时代”，AI实现了从“听懂、看懂”到“理解、思考”的跨越；而具身智能的崛起，则正在推开AI“行动时代”的大门，让人工智能真正走出屏幕、走进物理世界，实现“能做、会做、做好”的终极突破。 人形机器人作为具身智能的终极载体，凭借类人的形态、灵活的运动能力和自主决策能力，不仅…

蚂蚁开源世界模型，为机器人造“元宇宙训练场”。 智东西1月29日报道，蚂蚁灵波科技发布并开源了世界模型LingBot-World。该模型是一个专为交互式世界模型设计的开源框架。其核心LingBot-World-Base能够提供高保真、可控制且逻辑一致的模拟环境。 ▲LingBot-World开源页面（来源：Hugging Face） LingBot-Worl…

蚂蚁灵波开源通用世界模型LingBot-World：支持10分钟实时交互，媲美Genie 3 在连续开源机器人的眼睛（LingBot-Depth）与大脑（LingBot-VLA）之后，蚂蚁灵波（Ant LingBot）团队再次发布了一项重要成果： 通用的世界模型——LingBot-World。 该模型能够支持长达10分钟的持续生成与实时交互。其视觉效果已可与…

从3000小时到20000小时：真实数据验证Scaling Law 从3000小时到整整20000小时。 真实世界数据中的Scaling Law，直接催生了一个强大的VLA（视觉-语言-动作）基座模型！ 这就是蚂蚁灵波最新开源的具身智能基座模型——LingBot-VLA。 为何称其为当前最强？首先看数据。 仅从“20000小时”这个规模来看，LingBot-…

BeingBeyond团队 投稿 量子位 | 公众号 QbitAI 近年来爆火的具身智能领域长期面对着数据孤立导致的训练困境，一线厂商凭借高投入建立独属于自研型号机器的“数据护城河”，而小厂的资产规模直接反映在数据体量上，限制了其产品专用模型的训练。 BeingBeyond团队 近日发布的Being-H0.5有望改变这一局面。 Being-H0.5是目前训练…

OpenAI首席财务官与投资人展望2026：多智能体、算力变现与行业变革 OpenAI首席财务官Sarah Friar与著名投资人Vinod Khosla在最新播客中，深入探讨了2026年AI发展的核心趋势。 讨论涵盖广泛，包括多智能体系统即将正式登场、AI行业如何将算力转化为收入、大模型能力的边界突破，以及对医疗健康与具身智能等领域的深远影响。 此次访谈的…

具身智能的样本效率瓶颈 在具身智能（Embodied AI）的快速发展中，样本效率已成为制约智能体从实验室环境走向复杂开放世界的瓶颈问题。 不同于纯数字域的对话任务，具身任务通常涉及极度复杂的物理环境感知以及高维度的连续控制输出。这意味着智能体面临着巨大的状态-动作搜索空间，导致学习效率低下且难以收敛。 传统的无模型强化学习由于缺乏对底层物理逻辑的理解，完全…