机器人感知大升级！轻量化注入几何先验，成功率提升31%
机器人感知大升级！轻量化注入几何先验，成功率提升31%VLA模型通常建立在预训练视觉语言模型（VLM）之上，仅基于2D图像-文本数据训练，缺乏真实世界操作所需的3D空间理解能力。
来自主题: AI技术研报
6721 点击 2025-09-29 14:53
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
VLA模型通常建立在预训练视觉语言模型（VLM）之上，仅基于2D图像-文本数据训练，缺乏真实世界操作所需的3D空间理解能力。
当机器人成为各大科技展会最受瞩目的焦点，当具身智能论坛场场爆满、一票难求，我们不难发现：这个领域正在经历前所未有的关注热潮。
近日，为了加速多元素催化剂的发现与优化，美国麻省理工学院团队开发了一个多模态机器人平台——CRESt（Copilot for Real-world Experimental Scientists）。该平台能够结合自动化设备、大规模模型和实验室监测，在实验设计中融入人类经验、文献知识和显微结构信息，从而加速多元素催化剂的发现和优化加速发展。
视觉-语言-动作模型是实现机器人在复杂环境中灵活操作的关键因素。然而，现有训练范式存在一些核心瓶颈，比如数据采集成本高、泛化能力不足等。
王兴兴的大实话，在高通攒的这场局上，全交代了。目前机器人领域技术路线都不一样，导致看着热闹，但是进展没那么显著；既然现在大家开发的模型都还不能部署直接用，那还不如开放出来，就像OpenAI开源GPT-1/2一样；
不怕故障的机器人大脑来了这个大脑，就是估值已达45亿美元（截至今年6月）的Skild AI新推出的Skild Brain，它在一个包含十万种机器人姿态的虚拟环境中，训练了相当于一千年的时间才得以成型。更值得一提的是，此模型从未在这些机器人上进行过训练，它对它们的控制能力完全是涌现出来的。
你有没有想过，AI助手的终极形态应该是什么样的？是更聪明的聊天机器人，还是能真正帮你完成复杂工作的数字员工？今天，当我体验了Kimi刚刚发布的"OK Computer" Agent模式后，我突然意识到：AI行业可能正在经历一次根本性的范式转变——从"回答问题"到"完成任务"。
谷歌最新发布的Gemini Robotics 1.5系列模型，让机器人真正学会了「思考」，还能跨不同具身形态学习技能。这意味着，未来的机器人将成为和人类协作、主动完成复杂任务的智能伙伴。
奇多多AI学伴机是由无界方舟发布的国内首款基于「端到端实时多模态互动模型」的AI互动机器人，于本月2025外滩大会首次亮相。京东预售仅上线一周，销量便突破了10000台，在看似红海的儿童早教市场掀起波澜。在功能体验方面，它带来了三大突破：能“看”世界的眼睛、堪比真人的低延迟反馈速度、能“成长”的个性化陪伴感。
答案或许渐渐清晰。李飞飞团队与斯坦福 AI 实验室正式官宣：首届 BEHAVIOR 挑战赛将登陆 NeurIPS 2025。这是一个为具身智能量身定制的 “超级 benchmark”，涵盖真实家庭场景下最关键的 1000 个日常任务（烹饪、清洁、整理……），并首次以 50 个完整长时段任务作为核心赛题，考验机器人能否在逼真的虚拟环境中完成真正贴近人类生活的操作。