AMD宣布将以约82亿美元的全股票交易收购由李飞飞创立的World Labs，将其空间智能研究团队纳入内部。李飞飞将出任AMD首席科学家，World Labs在空间智能与世界模型方面的模型研究能力，将帮助AMD塑造未来的AI硬件、软...

小米正式开源 MiMo-V2.6 Pro 和 MiMo-V2.6 Flash 两款全模态模型，展示了从视觉、语言到动作与音乐等多模态任务上的统一能力。官方介绍，这两款模型能够协调多个智能体来构建并以视觉方式测试交互式 3D 场景，还能直...

近日，开源社区出现了一款名为OpenArm的全开源人形手臂项目，由enactic团队发布，目标是为物理AI研究和接触丰富环境中的部署提供完整硬件方案。该项目聚焦遥操作、模仿学习等前沿方向，使研究者和开发者能够基于开放...

Rhoda AI 团队围绕视频基础模型与机器人策略的规模化问题展开研究，重点考察扩大模型参数量与预训练计算量，是否能直接提升机器人在真实工业环境中的操作能力。研究采用 Direct Video-Action 模型，直接将视频观测映...

LLM-as-a-Verifier 是一个通用验证框架，其核心思路是让大语言模型直接充当“验证器”，在不引入额外训练的情况下，为任意智能体（agent）提供细粒度、可操作的反馈。该框架在编码、机器人和医学智能体等基准测试中均...

OpenAI 的 GPT-6 Astra 在机器人操控基准测试中展现出显著优势。研究人员将其接入 Inspect Robots 智能体策略，控制一对 YAM 机械臂执行两项任务：从桌面拾取红色方块放入碗中，以及抓取圆形蓝色拼图块嵌入匹配凹槽...

Runway正式发布Solaris，这是其首个界面世界模型（Interface World Model），标志着生成式AI从图像、视频走向实时交互界面的重要一步。Solaris能够在用户操作过程中逐帧生成界面，并同步处理渲染与交互响应，不再依...

京东开源团队发布了 JoyAI-Echo 项目，推出全模态世界模型 EchoWM。该模型能够沿着连续的 6 自由度（6-DoF）相机轨迹运动，同时生成 720p 视频、环境声、音乐与语音，突破了传统世界模型以视觉为中心的局限。EchoWM...