NVIDIA 发布 Cosmos3-H-Dreams 生成式手术模拟模型
NVIDIA 发布 Cosmos3-H-Dreams,将交互式生成模拟扩展到临床胆囊切除术场景,并称其为首个基于临床手术录像训练、支持实时运动学控制的生成式手术模拟器。
NVIDIA 发布 Cosmos3-H-Dreams,将交互式生成模拟扩展到临床胆囊切除术场景,并称其为首个基于临床手术录像训练、支持实时运动学控制的生成式手术模拟器。
a16z 领投 Eka Robotics 的 A 轮融资,押注其用视觉-力-动作模型解决机器人灵巧操作难题。Eka 将视觉感知与机械手力反馈结合,把接触本身当作信息,而非逐个复刻人类手部数千个感受器。其操作策略通过物理仿真中的强化学习训练,让机器人经验随算力而非人力扩展。
Eka Robotics 完成 1.5 亿美元 A 轮融资,投后估值 14.5 亿美元,由 a16z 和 F-Prime 领投。
Today, Dream Labs is coming out of stealth with Dream-1, a robot foundation model that controls bimanual robots it has never seen, on tasks it was never shown, in places it has never been, from $3/hour. Dream API is live for everyone, today. 🧵
Introducing SKY-001, the first Engineering World Model. On CAD and BIM tasks, it beats GPT-6 Astra and every frontier model we tested: -> 51-125x faster - > 150-210x cheaper -> Higher IOU than all frontier models SKY-001 lets you dream a physical object before you build it. 18 months of work. Built by the team out of Maluuba's deep learning lab (acq. by @MSRResearch). The first ‘AI General Engineer’ will be the backbone for Autonomous Manufacturing.
德国总理 Merz 与 NVIDIA CEO 黄仁勋在柏林对谈德国 AI 路线图,德方签署联合意向宣言,将与 NVIDIA 合作推进物理 AI 模型和工业 AI 生态。
Laplace Intelligence 正在为机器人和物理 AI 构建自动化红队测试,用 AI 智能体在仿真中主动寻找故障点,让系统在部署到现实世界前先暴露问题。其仿真环境基于 Nvidia Cosmos 的后训练版本,可结合真实地图与实时交通数据重建场景,并支持语言提示实时调整设定。公司已产生收入并实现小幅盈利,客户主要来自自动驾驶领域,包括 Bot Auto 和一家日本大型车企。
Today, Dream Labs is coming out of stealth with Dream-1, a robot foundation model that controls bimanual robots it has never seen, on tasks it was never shown, in places it has never been, from $3/hour. Dream API is live for everyone, today. 🧵
AI 实验室 HUMXN 宣布补贴管道、电工、暖通空调等居家服务,居民可免费获得服务,条件是允许佩戴可穿戴采集设备的人员录制技师作业,用于训练 AI 机器人。项目首批落地明尼阿波利斯、芝加哥和迈阿密三座城市,以覆盖不同气候环境,创始人 Thomas Unise 称机器人需要理解专业人员与物理世界交互的方式。
费城女子 Carolyn Marvin 因阻挡 Uber 配送机器人通行、拒绝让路,被警方以扰乱治安罪名逮捕。她称此举是为抗议机器人取代人类配送员工作,相关视频已引发广泛关注。配送机器人已在费城市中心街头常见,并招致反弹。
Voxel51 发布 3.0 版本,将搜索、筛选、标注与评估整合为一个端到端多模态数据平台,面向机器人、车辆和工厂传感器数据的训练团队。新增 Voxel51 Agent(45+ MCP 工具、80+ 操作符、18 个开源技能)、四层数据溯源和 Agentic Labeling,支持 MCAP、3D 点云、DICOM、音频等模态,检索基于 LanceDB。
Kyutai 联合 Inria 和 École des Ponts 发布 2.4B 参数的视觉-语言-动作模型 REKI,仅用公开数据预训练,权重已在 Hugging Face 开放(CC BY-NC-SA 4.0)。
Google Research 发布三项研究,构建 AI 智能体自主湿实验室的基础模块。
推荐理由:原文给出 VERID 数字孪生、闭环适配体与全新蛋白设计三项进展的实验数据,可了解 AI 智能体走进湿实验室的真实差距与解法。
Rivian CEO RJ Scaringe 接受 Big Technology 采访称,机器人技术的进展速度将远高于世人所知。他于 2025 年创立 Mind Robotics,已融资 10 亿美元,开发双臂双手机器人,用基于 Transformer 的模型让机器人学习可泛化技能,例如擦表面时遇到手机用手指拿起、遇到信用卡用指甲操作。
Waymo 宣布进入加拿大,将在多伦多布局完全自动驾驶出行服务,目标2028年迎接首批乘客。近期将先以人工驾驶方式采集高精地图并由自动驾驶专家进行测试;Waymo 与 Element Fleet Management 合作提供车队管理服务,将逐步创造数百个岗位。官方称基于超4亿公里完全自动驾驶里程,其车辆在严重伤害及以上事故中比人类驾驶少95%。
推荐理由:官方宣布进入加拿大市场的节奏与本地合作细节,读者可了解自动驾驶服务落地的分阶段做法。
Unitree 推出:UniUni 智能集群控制系统🎉 它可实现集群机器人动作与队形的快速、智能编排,实时设备状态监控、安全制动等功能。 你希望看到多少台机器人同台表演?
科学家将盲文字母对应的电信号输入人脑类器官,单个约含 1 万个神经元的类器官识别准确率约 61%,三个类器官组成的"集合"达到 83%。该研究发表于 Frontiers in Artificial Intelligence,属类器官智能领域,实验为开环设置,未证明类器官真正学会盲文。研究者称类器官系统在可靠性、可复现性和可扩展性上距成熟计算芯片仍有很大差距。
把像素变成机器人能用的坐标。 SAM 3 定位物体,深度把图像位置转成以米为单位的三维位置,计算工具负责处理向量和旋转数学。
Hao AI Lab 演示一条把像素转成机器人可用坐标的流程:SAM 3 定位物体,深度信息把图像位置换算成以米为单位的 3D 位置,再用一个计算工具处理向量和旋转数学。
The Decoder 介绍了 Google 此前发布的 Gemini 4 Argon 如何覆盖机器人控制、仿真训练和数据评估的完整流程。Spot 机器狗先在 MuJoCo 仿真中练习踩踏板扔易拉罐再上真机,单张照片可生成超过 4,500 段训练片段,把真实机器人成功率从 56% 提升到 75%。
英伟达 CEO 黄仁勋在伦敦 Build a Claw 活动上称 OpenClaw 是"首个真正可信的智能体运行框架",认为它像外骨骼的大语言模型,可推动机器人领域发展。他同时强调自主系统必须做好权限管控,并提到英伟达为此开发了 OpenShell 隔离系统,主张默认任何对象都不可信、仅授予最低权限。
Artificial Analysis 发布研究预览版基准 AA-Robotics v0.1,让前沿大语言模型在编码 Agent 环境中直接操控 6 轴机械臂完成 8 项桌面任务。
Artificial Analysis 发布 AA-Robotics v0.1,用 8 项实体任务评测具身智能,包括按红色按钮、把鳄鱼玩具放进矩形、倒饮料、整理积木、形状匹配、写 hello world、搭最高塔和测量盒子。
Artificial Analysis 发布 AA-Robotics v0.1 研究预览,测试前沿语言模型控制 6 轴机械臂在物理世界理解、规划和执行的能力,首批公布八个任务的结果。
404 Media 作者 Jason Koebler 分析德国科隆引发警方介入的机器人骚扰事件,称事件并不神秘。涉事机器人是售价约 $4,900 至 $5,900 的 Unitree R1,由德国 Twitch 主播 Agaamuza 以 Ahmad the Robot 之名在直播中用来在街头扰人,近期直播中机器人撞向一名 16 岁女孩。
Latent Space 发布对 Dyna Robotics 联合创始人兼首席科学家 Jason Ma 的播客访谈,重点讨论上月发布的 Dyna-2 世界动作模型及后续机器人实体 Dyna-2.1。
Gemini 4 Argon 仅通过观看视频就教会了一台机器人玩沙包。 它推演了物理规律,编写了自己的模拟程序,并教会 @Apptronik 的 Apollo 人形机器人连续投中 7 次。
@Apptronik 通过将视频转化为物理 AI 的训练场,Argon 把数周的手动建模压缩到仅需几个小时。↓ https://goo.gle/3VxIB7v
密歇根大学孵化的 Laplace Intelligence 正在为机器人和物理 AI 构建自动化红队测试,用 AI 智能体在仿真中主动寻找失败点。其仿真环境基于 Nvidia Cosmos 后训练版本,可重建亚利桑那高速公路、巴黎人行横道等真实场景,并让其他交通参与者实时反应。客户包括五十铃、Bot Auto 和 Nvidia,并与 T-Mobile 合作在圣何塞开展智慧城市试点。
Google 发布 Gemini 4 Argon(gemini-4-argon),定位为通用物理推理模型,在 Embodied Reasoning(ERQA)基准上以纯推理得分 87%,超过其他前沿模型。
同一件事,精选收录的是《Google 发布 Gemini 4 Argon:面向复杂工程与科研任务的前沿模型》