跳到正文

#多模态

今日 0 条
11月16日周一
  1. IT之家30

    2027 款极狐阿尔法 S5 上市:增加激光雷达,限时补贴价 11.58 万元起

    2027 款极狐阿尔法 S5 上市,推出 3 款配置,限时补贴价 11.58 万至 13.88 万元。新车新增 192 线激光雷达与 148 升前备厢,搭载高通骁龙 8775A 芯片及北汽元境智能辅助驾驶系统,支持 5C 超快充。作为年度改款车型,该车在外观细节、内饰配置及动力续航上均进行了优化升级。

11月10日周二
  1. IT之家52

    号称行业首个具身全模态端到端交互大模型,智元发布 WITA-Omni

    智元正式发布 WITA-Omni 全模态大模型,号称行业首个具身全模态端到端交互大模型,支持触觉、本体状态输入与机器人动作表情输出。该模型采用流式全双工架构,平均交互响应约600毫秒较业内快近3倍,且无需唤醒词支持自然对话。此前 WITA-Omni Preview 曾以85.21分登顶 DailyOmni 全模态理解榜单。

11月8日周日
  1. IT之家26

    索尼全球首发基于视觉语言模型的驾驶接管危险预警技术

    索尼在进博会全球首发基于视觉语言模型的驾驶接管危险预警技术,通过分析道路画面判断路况是否超出智能驾驶系统的设计运行范围(ODD)。该技术提供准备、主动及紧急三级接管提示,利用数字孪生仿真数据训练,目前正与清华汽车工程学院在苏州开展实际道路测试。

11月4日周三
  1. IT之家48

    小鹏联合北大、港大发布 GroundingPI 预训练模型,感知模块综合跑分超过 GPT-6 Astra

    小鹏集团联合北京大学、香港大学等团队发布具身感知基座模型 GroundingPI,该模型采用约 40 亿参数规模,在 34 项公开感知基准综合评测中位列第一。GroundingPI 综合得分为 73.68,高于 OpenAI 前沿模型 GPT-6 Astra 的 71.54 分。该研究目前处于科研原型阶段,旨在通过精准感知降低机器人示教成本并提升场景泛化能力。

10月31日周六
10月19日周一
10月17日周六
10月14日周三
  1. 量子位39

    破晓智能联合天珑移动发布全身全模态数据采集系统 SeePhys Hub

    破晓智能联合天珑移动发布全身全模态数据采集系统 SeePhys Hub,通过四目头环、腕部手环、腰腿部追踪器及触觉手套,在保留 Ego 数据轻便优势的同时补全全身姿态与触觉信息。该系统采用稀疏节点方案,头环重量不超过 220 克,多模态信号同步精度不超过 0.5 毫秒。此前团队已发布 EgoTouch 数据集,计划 2027 年推出全模态世界模型。

  2. Google DeepMind70

    Google DeepMind发布Gemini 4 Argon物理推理模型用于机器人学

    Google DeepMind发布Gemini 4 Argon通用物理推理模型,其在ERQA基准纯推理得分87%超过所有其他前沿模型,可应用于机器人全生命周期。文章给出机器人控制、Real2Sim仿真、物理理解与自改进四类代表提示词,覆盖从MuJoCo实操到视频世界模型 steering 等任务。该模型被视为加速通往物理AGI路径的重要里程碑。

10月13日周二
10月12日周一
7月30日周四
  1. Google DeepMind72

    Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型

    Google DeepMind 发布 Gemini Robotics ER 2,定位为机器人的高层大脑,可理解视频、编排多步任务并把动作执行交给底层 VLA 模型,还能原生调用 Google Search 等工具。

    推荐理由:官方给出进度分类与时刻定位两项量化指标,可据此判断机器人在长任务中自我纠错与切换步骤的能力边界。

7月28日周二
7月8日周三
  1. Mistral AI71

    Mistral AI 发布具身导航模型 Robostral Navigate

    Mistral AI 发布首个具身导航模型 Robostral Navigate,这是一个 8B 模型,仅用单个普通 RGB 相机、无需 LiDAR 或深度传感器,在 R2R-CE validation unseen 上达到 76.6% 成功率,比最佳单相机方案高 9.7 个百分点,比使用深度或多相机的最佳系统高 4.5 个百分点。

    推荐理由:官方给出单目 RGB 相机在 R2R-CE 上的成功率与训练方法,可据此判断具身导航对传感器配置的依赖程度。

4月13日周一
  1. Google DeepMind62

    Google DeepMind 发布 Gemini Robotics-ER 1.6,新增仪表读数能力

    Google DeepMind 发布 Gemini Robotics-ER 1.6,这是其推理优先机器人模型的升级版,强化了空间推理与多视角理解,并新增仪表读数能力,可读取压力表、液位计和数字读数。

    推荐理由:官方给出与上一代及 Gemini 3.0 Flash 的对比和仪表读数新能力,可据此判断机器人高层推理的进展。

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有