机器人控制

让大模型真正走进并理解物理世界，是当前人工智能领域最迫切的挑战之一。然而，通用视觉语言模型（VLM）在文本和图像理解上表现出色，一旦应用于需要与物理环境精确交互的机器人等具身智能体时，却常常显得“笨手笨脚”。 核心问题在于，物理世界容不得半点含糊。通用模型通常满足于“大致正确”的图像理解，而具身智能则需要极度精细的三维空间感知，以及对真实物理交互的预测和规划…

近日，极佳视界（GigaAI）发布了全新的世界-动作模型（World-Action Model，简称 WAM）—— GigaWorld-Policy。该模型针对现有具身大模型在推理速度和训练效率方面的挑战，实现了显著性能提升：推理速度提升10倍，训练效率提升10倍，真机任务成功率提升30%。GigaWorld-Policy 的发布，标志着世界模型驱动的机器人…

特斯拉前高管创业首秀：DiT4DiT模型让机器人看视频学动作，人形机器人首次落地世界模型 离开特斯拉“擎天柱”团队创业一年多后，杨硕首次公开其研究成果。 作为Mondo Robotics（妙动科技）的联合创始人兼CTO，杨硕及其团队在过去一年里潜心研究一个核心课题：如何利用视频数据训练机器人，使其能够以更少的数据学习，实现高水平、可泛化的动作控制，从而解决现…

新年假期刚刚结束，AI与机器人已成为全民热议的焦点。在春晚舞台上，宇树科技的机器人凭借高动态、高协同的全自主集群控制技术，完成了全球首次公开表演，成为备受瞩目的科技明星。 当大众的目光聚焦于宇树的人形机器人时，其最初的产品形态——机器狗，似乎被暂时遗忘。就在昨日，宇树科技正式发布了其最新四足机器人产品：Unitree As2。 Unitree As2集超强越…

宇树的“赛博功夫”，火到海外了。 当机器人开始显露“真功夫”，春晚的科技叙事变了。过去几年，机器人登上各种大大小小的舞台，更多是承载一种科技符号，它们或是节奏偏慢的舞蹈方阵，或是呆萌可爱的互动玩偶，观众图个新鲜，看个热闹。但2026年马年春晚，宇树科技带着G1与H2人形机器人登场的那一刻，几乎所有人意识到：机器人演示进入下一个阶段了。 跑酷、翻桌、单腿连续空…

驱动具身智能迈向通用领域的核心挑战是什么？ 我们认为，关键在于实现“跨具身迁移”。 一个完善的世界模型是具身智能执行通用复杂任务的基础。然而，许多现有的世界模型并不具备我们所期望的强大泛化与迁移能力。 具体而言，当前应用于机器人或智能汽车的世界模型，大多针对特定硬件平台进行设计和训练，其泛化能力有限，跨平台迁移往往依赖运气。 本质上，许多机器人学习到的并非“…

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…

长期以来，AI领域一直怀揣着一个宏大的梦想：创造出能够像人类一样直观理解物理世界，并在从未见过的任务和环境中游刃有余的智能体。 传统的强化学习方法往往比较笨拙，需要通过无数次的试错和海量的样本才能学到一点皮毛，这在奖励信号稀疏的现实环境中效率低下。 为了打破这一僵局，研究者们提出了“世界模型”这一概念，即让智能体在脑海中构建一个物理模拟器，通过预测未来状态来…