搜索
阿里巴巴达摩院的最新工作RynnWorld-Teleop对此给出的方案是：用生成式世界模型替代真实机器人。操作员的手势驱动一个实时视频生成器，由“数字世界中的机器人”完成全部视觉演示，同时自动获得关节级的动作标签。该方案被称为数字遥操作（Digital Teleoperation）。
最近，来自 Google、哥本哈根大学、牛津大学等机构的研究者提出了 VGGRPO（Visual Geometry GRPO，收录于 ECCV 2026）。这项工作聚焦于一个核心问题：如何在不牺牲预训练模型泛化能力的前提下，高效地提升视频生成的几何一致性，并使其适用于动态场景。其核心思路是，在隐空间（latent space）中利用 4D 几何奖励，进行几何感知的视频后训练。
最近，一篇名为 FreeStyle: Free Control of Style-Content Dual-Reference Generation from Community LoRA Mining 的工作引起了不少关注。换句话说，FreeStyle 研究的是 style-content dual-reference generation，也就是「内容 - 风格双参考生成」。
曾推出 RoboTwin 系列基准的团队发布了 RoboDojo，一套统一覆盖仿真与真实机器人操作的具身智能评测体系。它包含 42 个仿真任务、18 个真实机器人任务，并将 30 个代表性机器人策略放到同一套标准下比较。
这一次，我就挑选了其中比较有代表性的三款：QClaw、WorkBuddy 和百度搭子，通过几组真实办公任务进行横向测试，看看国产办公 Agent 现在到底发展到了什么水平。横测标准：同一任务、同一素材、同一交付标准，每个任务只给一次主要执行机会。
7 月 17 日，2026 世界人工智能大会在上海开幕。展览首次扩展至「三地四馆」，总面积超过 10 万平方米，1100 余家企业带来 3000 余项展品，其中超过 300 款产品在大会期间全球首发。智算与具身智能首次成为并列的核心赛道，各自聚集超过 200 家企业。从开展后的排队人流，到机器人展台前层层举起的手机，AI 依然是当下关注度最高的科技议题之一。
最近不少人在给 Codex 做各种美化，但很多方案都有一个共同的问题：直接替换 app.asar、覆盖资源文件，或者整张截图覆盖整个界面。这样不仅升级容易失效，还可能导致程序异常。今天分享的是一套完整交付物——Codex Dream Skin。
彭博社的一则独家报道如同一盆冰水，浇灭了所有人的热情：Gemini 3.5 Pro发布延期了，而且不是延期几天，是数月的大延期！本该是载入史册的发布，被谷歌自己按下了暂停。
随后，SpaceXAI 兑现了承诺，在 GitHub 上正式开源了这套智能体编程框架。该公司在一篇 X 帖子中表示：“开源 Grok Build 可以让任何人都能参与构建可靠且强大的框架。”开源不到 20 个小时，Grok Build 已在 GitHub 上收获 1.21 万颗 Star。
世界模型圈一大难题是定义模糊，起码三四个流派各研究各的，都做了个产品就说自己是真正的世界模型，谁也没法说谁的不是。蚂蚁旗下的灵波科技疑似把这问题给解决了，因为哥们直接把几乎现有所有方向都做了一遍。