-
— 阿里巴巴旗下高德推出的全身基座模型,主张从"局部学习"迈向"全身动作对齐"。国内玩家开始跳过单任务策略、直接做全身统一表示,这一步与海外 VLA 路线是同一场竞争。
-
— PickNik 是 MoveIt 的长期维护者,而 MoveIt 是使用最广的开源操作框架之一。芯片厂收购上游开源中间件,等于把"开发者入口"纳入自家栈——与 Nvidia 的 Isaac 路线正面相遇。
-
— 训练 GR00T 系列的工业级数据引擎,同时覆盖结果奖励标签(部署监控)、过程奖励标签(RL 后训练)、带时间戳的描述(预训练数据筛选与配比)。具身智能的瓶颈正在从"模型结构"转向"标签生产管线"。
-
— 用真实演示同时做高保真视觉重建与任务规格化,替代大量手工搭场景。Sim2Real 的老问题被反过来问:能不能自动 Real2Sim,把数据多样性做上去。
-
— 以视觉观测 + 腕部力/力矩为输入,直接写 Python 程序做接触探测与力响应运动。这是"LLM 生成机器人程序"里少见的把力反馈闭环纳入代码生成的做法。
-
— bf16 直接承接 AdamW 更新时,小于权重 1/512 的更新被舍入丢弃;12 个开源 VLA 代码库中 9 个的默认或文档推荐配方就是这样训练,其中 4 个作用于全权重矩阵(含 LeRobot 的 SmolVLA 默认与 π0/π 系列)。这是当下最值得立即排查的具身训练工程陷阱。
-
— 由 Alphabet 旗下 CapitalG 与 Emergence 领投,Nvidia、Bessemer 等参投,主攻自主挖掘机。资本正从"通用人形"外溢到工程机械这类可立即计价 ROI 的场景。
-
— 单卡实时世界模型意味着交互式仿真不再必须依赖集群,对具身数据生成与闭环评测的成本结构影响直接。