3D VLA新范式！CVPR冠军方案BridgeVLA，真机性能提升32%
3D VLA新范式！CVPR冠军方案BridgeVLA，真机性能提升32%中科院自动化所提出BridgeVLA模型，通过将3D输入投影为2D图像并利用2D热图进行动作预测，实现了高效且泛化的3D机器人操作学习。
来自主题: AI技术研报
8335 点击 2025-06-26 15:37
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
中科院自动化所提出BridgeVLA模型，通过将3D输入投影为2D图像并利用2D热图进行动作预测，实现了高效且泛化的3D机器人操作学习。
今天，Gemini 家族迎来了一个新成员：Gemini Robotics On-Device。这是谷歌 DeepMind 首个可以直接部署在机器人上的视觉-语言-动作（VLA）模型，可以帮助机器人更快、更高效地适应新任务和环境，同时无需持续的互联网连接。
只用一个模型，就能边思考边动手，涮火锅、调鸡尾酒，还能听你指挥、自己纠错 —— 未来通用机器人的关键一跃，或许已经到来。
6月6日-7日，2025 北京智源大会召开。作为全球具身智能领域最具影响力的学术与产业双栖盛会，本次大会汇聚了顶尖科研机构、技术领军企业和开源社群。
具身智能最大的挑战在于泛化能力，即在陌生环境中正确完成任务。最近，Physical Intelligence推出全新的π0.5 VLA模型，通过异构任务协同训练实现了泛化，各种家务都能拿捏。
今天，美国具身智能公司 Physical Intelligence 推出了一个基于 π0 的视觉-语言-动作（VLA）模型 π0.5，其利用异构任务的协同训练来实现广泛的泛化，可以在全新的家中执行各种任务。
坐标深圳，又有新机器人诞生了——智平方新一代通用智能机器人AlphaBot 2（爱宝 2）。
近日，前字节跳动 AI 技术专家解浚源在朋友圈官宣加入具身智能创业公司千寻智能，并发布了千寻智能最新披露的 Spirit v1 VLA 演示视频。据悉，解浚源目前任职千寻智能具身智能部负责人，全面负责具身大模型的研发工作。
Magma是一个新型多模态基础模型，能够理解和执行多模态任务，适用于数字和物理环境：通过标记集合（SoM）和标记轨迹（ToM）技术，将视觉语言数据转化为可操作任务，显著提升了空间智能和任务泛化能力。
与3D物理环境交互、适应不同机器人形态并执行复杂任务的通用操作策略，一直是机器人领域的长期追求。