搜索
近两年，视频生成模型在具身智能领域受到持续关注。从 UniPi、SuSIE 到各类 action-conditioned video generation 变体，其核心思路一致：先由模型生成一段未来视频，再从中提取动作信号供机器人执行。
7 月 15 日，腾讯 Robotics X 实验室以及福田实验室联合腾讯混元推出两款具身智能基座模型 —— 具身 VLM 基座模型 Hy-Embodied-VLM-1.0 以及 具身世界认知基座模型 Hy-Embodied-RxBrain-1.0，不仅让具身大脑能够 “看” 懂现实世界，还学会同时推理和想象。
这年头，提示词工程也能发ICML了？？？
年近 70 岁的图灵奖得主、强化学习之父理查德・萨顿（Richard Sutton），宣布创业了。本周一，Richard Sutton 宣布与 Khurram Javed 共同创立新公司 Oak Lab，要打破当前深度学习方式，用全新的理念构建 AGI。
AI 生图最难的地方，早就从「生成一张好看的图」变成了「把那张差一点的图改对」。
试图把医疗级脑刺激技术装进日常耳机。
在过去二三十年的互联网发展中，个性化推荐几乎一直是平台的核心能力之一。打开视频 app，平台决定你接下来会刷到什么视频；打开购物软件，平台预测你可能会购买什么商品；打开短视频 app，平台根据你的浏览、点赞、停留和互动，不断优化信息流。某种意义上，现代互联网的用户体验本身就是由推荐系统塑造的。
用 AI 生图的人，应该都体会过这种痛苦。
AI岂能只活在云端？刚刚，阶跃星辰上新来Step Edge 端侧模型全家桶！这次，AI能听懂语音、看懂屏幕，直接补齐了Agent本地执行的关键拼图。「端云协同」发力，你的手机与车机即将被彻底重构！
瞄准这类 “看起来做对了，物理上却没完成” 的失败。破晓智能（PHANES AI）创始人、哈工大（深圳）长聘教授杨朔及其团队发布了最新论文 TouchWorld: A Predictive and Reactive Tactile Foundation Model for Dexterous Manipulation。