NVIDIA 發佈 Cosmos Reason 2,為物理 AI 帶來進階推理能力
NVIDIA 發佈 Cosmos Reason 2,稱其在 Physical AI Bench 和 Physical Reasoning 榜單位列視覺理解開放模型第一。
NVIDIA 發佈 Cosmos Reason 2,稱其在 Physical AI Bench 和 Physical Reasoning 榜單位列視覺理解開放模型第一。
Runway 宣佈推出首個通用世界模型系列 GWM-1,支援即時生成及以動作互動控制。GWM-1 建基於 Gen-4.5,採用自回歸架構逐幀生成;三個變體分別為 GWM Worlds、GWM Avatars 和 GWM Robotics,面向可探索環境、對話角色及機械人操作。GWM Robotics 可根據機械人動作預測影片序列並生成反事實結果,支援機械人策略訓練與模擬評估。
LeRobot 發佈 v0.4.0,加入 Datasets v3.0、VLA 模型 PI0 和 PI0.5、GR00T N1.5,以及硬件插件系統。Datasets v3.0 採用分塊 episode 格式並支援串流,可處理 OXE 級(> 400GB)資料集。
推薦理由:資料集規模化、模擬評測、多 GPU 訓練和硬件插件同時更新,勾勒出 LeRobot 從資料處理到機械人控制的工具鏈演進。
Hugging Face 發佈 LeRobotDataset v3.0,將多個 episode 合併存入單一檔案,並可串流處理大型機械人資料集。v2 每個 episode 各存一個檔案,資料集擴展至數百萬個 episode 時會遇到檔案系統限制;v3 以關聯式 metadata 取得各 episode 資訊。
Pollen Robotics 與 Hugging Face 推出 Reachy Mini,一款面向人機互動、創意編程與 AI 實驗的開源桌面機械人,售價由 $399 起。
推薦理由:Reachy Mini Lite 與 Compute 版分別售 $399 和 $499,連線及供電配置不同,規格表可供對照入門成本與功能取捨。
ACCESS 在 HKUST Unicorn Day 2025 展示多項 AI 晶片研究成果,涵蓋推理、便攜式醫療篩查、基因分析及金融運算。28nm 商用級測試晶片 AC-Transformer 支援可編程 CNN 和 Transformer 模型端到端推理;便攜式 AI 視網膜篩查裝置無需依賴網絡,並降低 70% 整合成本。
Hugging Face 發佈 SmolVLA,一款 450M 開源 Vision-Language-Action(VLA)機械人模型,以 LeRobot 社羣數據預訓練,可在消費級硬件上運行。
推薦理由:文中比較社羣數據預訓練前後的成功率,以及同步與非同步推理的完成時間和吞吐量,呈現數據與推理架構各自帶來的變化。
Elon Musk聲稱只有Tesla具備大規模生產通用人形機械人的能力,但中國企業亦已推出多款產品並推進量產。Unitree已量產100多台H1,起售價為¥160,000;UBTech的Walker S售價為2.69 million yuan,並計劃於2025年開始交付。Tesla預計2025年生產1,000台Optimus,並在未來十年增至數百萬台。
中國人形機械人企業加快量產,與Musk聲稱只有Tesla具備大規模製造能力的説法形成對照。Unitree已量產逾100台H1,優必選Walker S定價人民幣269萬元,計劃於2025年開始交付。中國透過政策扶持和市場投入推動產業發展,文章指出其供應鏈和製造能力是競爭優勢。
Hugging Face 收購 Pollen Robotics,並開始銷售其開源人形機械人 Reachy 2。Reachy 2 可透過 sales@pollen-robotics.com 電郵訂購,價格為 $70,000,適用於研究、教育和具身 AI 實驗,並兼容 VR。
推薦理由:這宗收購把 Hugging Face 的 LeRobot 開源機械人項目與 Pollen Robotics 的硬件團隊納入同一組織,呈現其軟硬件佈局。
中國多家企業以人形機械人的量產進展,回應 Elon Musk「只有 Tesla 能造 Optimus」的説法。AgiBot 首年量產 1,000 台,Leju Robotics 在 2025 年向 BAIC Group 交付逾 100 台;Tesla 則計劃在 2025 年內部測試數千台,並於 2026 年把產量提升至 50,000 台以上。
Elon Musk 稱只有 Tesla 具備打造實用雙足人形機械人的整合能力,中國企業則以量產進展作出回應。AgiBot 首年量產 1,000 台,Leju Robotics 於 2025 年向 BAIC Group 交付逾 100 台。中國電動車零件與人形機械人所需零件重疊逾 90%。
NVIDIA 在 GTC 2025 發佈 Cosmos Transfer、Physical AI Dataset 和 NVIDIA Isaac GR00T N1 三項 Physical AI 開源資源。
推薦理由:三項資源分別涵蓋可控合成場景、機械人訓練數據與人形機械人推理及技能,呈現 Physical AI 開發中生成、訓練和執行能力的不同分工。
Pollen Robotics 推出開源 pollen-vision 函式庫,整合零樣本視覺模型,支援以影像和文字輸入建立物件偵測及分割流程。首批模型包括 OWL-VIT、Mobile Sam 和 RAM,並結合深度資訊估算物件在 3D 空間中的 (x, y, z) 位置,為機械人抓取提供基礎。目前尚未支援完整 6D 姿態估計,OWL-VIT 的偵測結果亦可能不一致。
香港浸會大學文學院將舉辦《The Age of Robots》藝術展及「Robot Empathy and Human Vulnerability」論壇,探討機械人時代的 AI、倫理與公共利益。展覽將於 2019 年 10 月 31 日至 11 月 16 日舉行,展出 Yves Gellie 圍繞醫院等機構使用人形機械人製作的影片及照片;論壇於 11 月 2 日舉行。
OpenAI 訓練兩個神經網絡,讓仿人機械手解開魔方。網絡完全在模擬環境中訓練,使用與 OpenAI Five 相同的強化學習程式碼,並結合新技術 Automatic Domain Randomization(ADR)。系統能應對訓練中未曾遇到的情況,例如被毛絨長頸鹿玩偶戳碰;OpenAI 指出,這展示了強化學習可用於需要前所未有靈巧度的現實世界問題。
推薦理由:這項工作以全程模擬訓練的兩個神經網絡讓仿人機械手解魔方,並用 ADR 應對訓練中未見情況,呈現強化學習應用於實體操作的方法。
OpenAI 於 2019 年 4 月 27 日舉辦首屆機械人研討會。
OpenAI 開發出能量模型,僅需五次示範便能學習以 2D 點集表示的概念,並識別及生成其實例。模型亦能將在 2D 粒子環境中學到的概念遷移至 3D 物理機械人任務。
OpenAI 訓練出一隻仿人機械手,能以前所未有的靈巧度操控實體物件。
OpenAI 發佈 8 個機械人模擬環境,以及 Hindsight Experience Replay 的 Baselines 實作,這些資源均為其過去一年的研究開發成果。OpenAI 曾用這些環境訓練可在實體機械人上運作的模型,並同時發佈一組機械人研究需求。
OpenAI 展示一種用於模擬機械人摔跤的元學習智能體,能迅速擊敗較強的非元學習智能體。該智能體亦能適應物理故障。
OpenAI 建立了一套機械人系統,完全在模擬環境中訓練後部署到實體機械人上,並能在看過一次任務示範後學會新任務。
OpenAI 發佈 Roboschool,這是一套與 OpenAI Gym 整合的開源機械人模擬軟件。