Nvidia 发布 GR00T 2 世界-动作模型,可从人类视频学习机器人动作
Nvidia 在新研究报告中介绍 GR00T 2,这是一个世界-动作模型(WAM),能同时预测下一步动作和未来短片画面,从而把人类视频中的动作迁移到机械臂上。
Nvidia 在新研究报告中介绍 GR00T 2,这是一个世界-动作模型(WAM),能同时预测下一步动作和未来短片画面,从而把人类视频中的动作迁移到机械臂上。
Google DeepMind 发布视觉-语言-动作模型 Gemini Robotics 2.5,可处理视觉信息、理解语言指令并转化为机器人动作。该模型在匈牙利 Kecskemét 和德国 Sindelfingen 的奔驰在产产线上试点,Apptronik 的 Apollo 2 机器人按装配顺序从散料箱分拣金属件放入托盘,报告成功率为 96%。
同一件事,精选收录的是《Google DeepMind 发布 Gemini Robotics 2.5 视觉-语言-动作模型》
Google DeepMind 发布 Gemini Robotics 2.5,称其在需要高灵活度的任务上明显更强,并在 200 多项活动中完成评测,包括用夹子分餐和使用移液管。
Google DeepMind 发布 Gemini Robotics 2.5,称其为目前能力最强的视觉-语言-动作(VLA)模型,在 200 项任务上相比此前基线成功率提升 30% 至 100%,完成任务速度快 20% 至 30%。
推荐理由:官方给出 200 项任务评测与奔驰产线 96% 成功率的实测数据,可据此判断 VLA 模型在真实工业场景的落地程度。
NVIDIA 在 CoRL 上发布开源世界动作模型 GR00T 2,基于 NVIDIA Cosmos 构建,训练数据包含 10 万小时 NVIDIA 开源人类第一视角数据。
推荐理由:原文给出 GR00T 2 在少样本下的成功率与多项基准排名,读者可据此判断世界动作模型在精细操作上的进展。
NVIDIA 正帮助韩国推进物理 AI 生态,覆盖半导体制造、机器人与自动驾驶。三星用 cuISS、cuDSS、cuEST 等加速计算与 AI 物理研究,其中一项 AI 均质化案例实现约 1,600 倍加速,仿真时间从 32 核 CPU 约 18 小时降至 GPU 加速粗网格求解 41 秒。