跳到正文
11月19日周四
  1. IT之家44

    快手 CEO 程一笑:Kling 4.0 模型已进入游戏和具身智能等场景

    快手 CEO 程一笑表示,Kling 4.0 上线后推动可灵流水提升,收入由企业 API 调用和专业创作者订阅双轮驱动。 该模型已应用于影视、短剧、游戏及具身智能等场景,支持动态分镜、镜头预演及游戏设定可视化等任务。 Kling 4.0 采用“理解生成统一”架构,首次支持原生 8K 分辨率,单张照片可生成 2000 字,内置 110+ 种预设影调风格。

  2. IT之家22

    华为发布下一代核心网演进白皮书,提出 AgenticCore 解决方案

    华为发布《下一代核心网演进白皮书》,提出 AgenticCore 解决方案及 NGC 目标架构,推动移动网络从云原生向 AI 原生跃迁。 NGC 架构具备意图接口、数据与智能面及低时延用户面三大特征,支持毫秒级 AI 任务时延保障。 华为指出 AI 是移动网络未来十年最大战略机遇,预计 2030 年低时延端云协同请求占比将超 20%。

  3. 36氪52

    镁伽科技完成近2亿美元融资,建设AI智能基础设施

    镁伽科技完成新一轮近2亿美元融资,由阿曼投资局(OIA)领投,亚投资本、Granite Asia、创新工场等老股东加注,招银国际等机构跟投。公司核心载体为镁伽鲲鹏实验室,正迭代至4.0版本,定位从“自动化执行”走向“自主智能体驱动”,通过干湿实验大脑和调度智能体构建“AI设计-自主实验-真实验证-数据生产-模型学习”的闭环。

  4. arXiv · ML40

    自进化世界模型中的自主视频生成框架

    论文提出“自主视频生成”概念,旨在构建自进化世界模型。其核心主张是模型评估不应仅看视频保真度,而应衡量生成帧在反事实干预下的有效行动能力。 文章形式化了生成、绑定、验证与蒸馏的四阶段闭环优化流程,并定义了新颖性、一致性、OOD及效率四项指标。 该框架以无人机和机械臂为具身测试床,通过扰动风场、感知限制等约束,验证生成视频对决策的实际指导意义。

  5. arXiv · ML24

    仅依靠人类运动数据的模仿学习无法保证生成生物力学上合理的步态动力学

    研究对比显示,包含地面反力与压力中心的动力学感知模仿学习(KAIL)比纯运动模仿学习(MOIL)能生成更符合生物力学的关节力矩。KAIL 将垂直地面反力和压力中心误差降低 40% 和 48%,髋、膝、踝关节力矩误差分别降低 19%、18% 和 35%。该发现揭示了纯运动模仿学习在步态动力学估计上的根本局限,可能影响可穿戴机器人设计及病理步态诊断。

  6. arXiv · AI20

    MANGO-Grasp 是一种基于几何定向 3D 高斯图元的各向异性交互框架,用于跨具身灵巧抓取。

    该模型将物体表示为保留局部表面几何的高斯基元,并用预训练描述符编码手部形态与运动学,结合各向异性马氏距离场建模手部接触。 在 CMAP 和 MultiGripperGrasp 基准测试中,其性能超越最强基线最多 8.24 个百分点,在未见 SharpaWave 手上提升 16.57 个百分点,真实实验成功率达 86%。

  7. arXiv · AI30

    WorldComposer:基于数字表亲实现泛化机器人学习与评估的高保真生成式仿真

    WorldComposer 通过 Real2Sim2Real 框架,将真实全景图映射为高保真仿真环境,并合成数字表亲(Digital Cousins)实现数据增强。 该平台支持刚性、铰接及变形物体的交互操作,结合多房间拼接构建大规模环境,实验验证了 sim-to-real 高保真度及泛化性能。 该方法显著提升了机器人策略在未见场景和物体变化下的泛化能力,为高效学习与评估提供了解决方案。

  8. arXiv · AI26

    WACO 提出位姿鲁少样本视觉-语言-动作模型,提升机器人操作策略稳定性

    研究团队提出世界锚定规范化框架 WACO,解决 VLA 模型因相机与机器人基座偏移导致的策略失效问题。在 LIBERO-PoseShift 基准及 UR5e 机器人测试中,WACO 将移位成功率分别提升 13.2 和 36.7 点,恢复 90% 仿真性能差距。该方法无需额外数据或测试时校准,在无扰动训练数据方法中创造新纪录。

  9. arXiv · AI33

    VLN-AR:面向复杂环境无人机板端视觉-语言-导航的分层框架

    提出 VLN-AR 分层视觉-语言-导航框架。经板端优化,其在资源受限无人机平台上实现 7.1x-9.4x 推理加速,仿真与实机导航性能均优于现有方法。 框架利用基于 3D Gaussian Splatting 的自动化管线生成导航数据,结合三阶段训练与轻量级认知智能体,增强场景推理及长时程任务分解能力。

  10. arXiv · AI23

    Panini:一种用于机器人设计的可行类型化生成语法与搜索方法

    论文提出了一种类型化生成语法和名为 PANINI 的交叉熵搜索方法,用于生成机器人操作技能和形态。 该语法通过几何实现映射将语法组合转换为 SE(3) 中的变换,其仲裁决策可从几何包含关系中恢复,在 10 个种子下与欧几里得对照相比,一致性达到 0.905 +/- 0.062,显著优于对照组的 0.611 +/- 0.090。

  11. arXiv · ML27

    DUAC 基于流场不确定性的自适应动作时域选择

    提出 DUAC(基于散度的不确定性感知自适应动作分块)方法,利用预训练视觉语言动作(VLA)模型的流场向量,通过单次生成和雅可比-向量积计算动作级不确定性,无需重训练或多端点采样。 在 LIBERO 系列和 RoboCasa 基准测试中,DUAC 的自适应时域选择在保持高任务成功率的同时,实现了低不确定性估计延迟。 该方法确立了流向量场作为机器人决策中高效、轨迹条件化预测不确定性来源的地位。

  12. IT之家33

    2026 小鹏科技日定档 11 月 25 日,宣传语“Origin 原点”

    2026 小鹏科技日定于 11 月 25 日 14:00 在广州举行,主题为“Origin 原点”,海报展示了小鹏 IRON 机器人。 小鹏计划在 2026 年底实现人形机器人量产,2027 年上半年开启交付,率先落地门店、商场等商业场景,并逐步拓展至工业及家庭场景。 小鹏机器人业务 8 月 24 日完成首轮超 9 亿美元融资,投后估值超 63 亿美元,刷新中国具身智能行业单轮私募股权融资纪录。

  13. IT之家24

    格罗方德与波士顿动力扩大合作,部署 Spot 并计划测试 Atlas

    格罗方德与波士顿动力扩大合作,将 Spot 机器人部署扩展至其全球生产网络,并计划于 2027 年初在格罗方德厂区启动 Atlas 机器人现场测试。 Spot 在格罗方德佛蒙特州基地已部署超四年,新加坡站点两台机器人在约半年工作期内实现了 99% 的任务成功率。 Atlas 测试旨在评估类人机器人应用场景及集成需求,并支持格罗方德提升员工人工智能技能的全球计划。

  14. IT之家48

    地平线发布 LoFT 原生视频几何基础模型,多项指标达到 SoTA

    地平线机器人实验室发布原生视频几何基础模型 LoFT,在 SpatialBench 等多套评测中多项深度估计指标达到 SoTA。 该模型采用双循环 Transformer 架构,联合预测相机位姿、内参及逐帧深度,恢复场景三维结构。其训练基于 297 万条有效序列及 9.62 亿帧图像记录。 LoFT 覆盖机器人空间感知、具身学习及自动驾驶等场景,提供几何基础。

11月18日周三
  1. IT之家41

    Uber 联合 Momenta 在德国慕尼黑启动 Robotaxi 试运营

    Uber 与 Momenta 在德国慕尼黑启动 Robotaxi 试运营,乘客可在 Uber App 免费体验自动驾驶出行。 初期覆盖慕尼黑北部包括奥林匹克公园周边街区,呼叫 UberX、Electric 或 Comfort 服务时有机会体验。 每趟行程均配备经过专业训练的安全员,Momenta 已获得德国全境 L4 级测试许可。

  2. 量子位78

    Genesis 完成 5 亿美元 A 轮融资,英伟达 AMD 首次联手押注

    美国具身智能公司 Genesis AI 完成 5 亿美元 A 轮融资,投后估值 35 亿美元,这是 AMD 和英伟达首次联手投资具身智能公司。融资将用于推动其非人形机器人 Eno 在 2026 年底前实现量产和部署,覆盖制造、物流及后续服务场景。

    推荐理由:融资方首次出现英伟达与 AMD 联手,且公司构建了从数据、仿真到硬件的全栈闭环。

  3. IT之家53

    王传福、王兴、雷军APEC 2026峰会并排就坐,拒绝透露聊天内容

    2026年APEC工商领导人峰会期间,比亚迪王传福、美团王兴、小米雷军并排就坐接受采访,三人均拒绝透露具体聊天内容。雷军在会上表示,过去四年AI大模型带来巨大变化但能实现商业闭环的公司较少,他认为具身智能机器人是巨大的产业机会,其想象空间将超过汽车产业,并看好AI进入物理世界为亚太地区带来机会。

  4. arXiv · NLP28

    Spike-driven VLA 模型实现高效机器人操控

    首个基于脉冲驱动的 VLA 框架实现机器人操控端到端直接训练,采用多赢家脉冲融合与 Spike Action Chunking Transformer 组件。 该框架在 LIBERO 和 Meta-World 基准测试中表现具有竞争力,且参数量更少、推理能耗更低。 为资源受限平台上的具身智能建立了神经形态基础。