一句话爆改三维场景！斯坦福吴佳俊团队新作：场景语言，智能补全文本到3D的场景理解
一句话爆改三维场景！斯坦福吴佳俊团队新作：场景语言，智能补全文本到3D的场景理解从文字生成三维世界的场景有多难？
来自主题: AI技术研报
9537 点击 2024-11-13 16:21
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
从文字生成三维世界的场景有多难？
11月11日，谷歌推出了一款名为“Learn About” 的实验性的新 AI 工具，它不同于此前的聊天机器人，如 Gemini 和 ChatGPT。
本期AGI路线图中关键节点：Figure 02、Optimus Gen-2、宇树G1、傅利叶GR-2、众擎SE01、BVS、WonderWorld、ReKep、DrEureka、DeepMind足球机器人、腾讯「小五」、达芬奇AI机器人、Project GR00T、LeRobot。
这可能是最懂 AI 产品的两位 PM 之间的对谈。Kevin Weil，OpenAI CPO（首席产品官），之前曾是 Instagram、Twitter 的产品副总裁。Mike Kreiger，Anthropic CPO，曾担任 Instagram 的联合创始人、CTO。
强化学习中的核心概念是智能体（Agent）和环境（Environment）之间的交互。智能体通过观察环境的状态，选择动作来改变环境，环境根据动作反馈出奖励和新的状态。
生成式人工智能GenAI是否存在泡沫？这个问题日益成为业界热议的焦点。目前，全球对AI基础设施的投资已到了癫狂的成千上万亿美元的规模，然而大模型如何实现盈利却始终没有一个明确的答案。
空间智能版ImageNet来了，来自斯坦福李飞飞吴佳俊团队！
11月8日，社交媒体上有博主爆料，谷歌正准备推出一款新型号：Gemini 2.0。
对于 LLM 从业者来说，让 LLM 落地应用并发挥作用需要手动构建并反复调试 Agentic Workflow，这无疑是个繁琐过程，一遍遍修改相似的代码，调试 prompt，手动执行测试并观察效果，并且换个 LLM 可能就会失效，有高昂的人力成本。许多公司甚至专职招聘 Prompt Engineer 来完成这一工作。
近期，智驾行业出现了一个融合了视觉、语言和动作的多模态大模型范式——VLA（Vision-Language-Action Model，即视觉-语言-动作模型），拥有更高的场景推理能力与泛化能力。不少智驾人士都将VLA视为当下“端到端”方案的2.0版本。