
李飞飞团队造了个世界动作模型:换个底座,机器人成功率直接飙升 (opens in a new tab)
9 月 22 日,以 FLUX 图像模型闻名的 Black Forest Labs 跨界发布了开源 7B 世界动作模型 FLUX 3 Action。据其官方博客,该模型在英伟达 RoboLab-120 榜单上超过了此前最强的开源模型 Cosmos 3 Nano,参数量却不到后者一半。一家做图像生成的公司跑来卷机器人控制,说明视频模型里积累的「物理直觉」正被越来越多的团队当作机器人大脑的底座。
Total 107 articles

9 月 22 日,以 FLUX 图像模型闻名的 Black Forest Labs 跨界发布了开源 7B 世界动作模型 FLUX 3 Action。据其官方博客,该模型在英伟达 RoboLab-120 榜单上超过了此前最强的开源模型 Cosmos 3 Nano,参数量却不到后者一半。一家做图像生成的公司跑来卷机器人控制,说明视频模型里积累的「物理直觉」正被越来越多的团队当作机器人大脑的底座。

AMD以约82亿美元收购World Labs之际,影身智能凭借比World Labs早两年押注原生4D世界模型路线引起关注,其利用4至6台消费级摄像头和单块消费级GPU实时生成4D数据的技术已在福建晋江制鞋工厂落地,斩获2亿元机器人订单。

AMD以82亿美元全股票收购世界模型公司World Labs,文章解析世界模型从生成内容迈向生成可交互数字世界的技术路径与产业影响,梳理李飞飞的空间智能路线、杨立昆的JEPA架构以及谷歌Genie 3、英伟达Cosmos等巨头的不同押注方向。

本周「十字路口」的嘉宾是清华叉院助理教授徐梦迪。从清华车辆工程出发,途经 Johns Hopkins、CMU,再到 Stanford 吴佳俊、李飞飞组做博士后,2024 年初她选择回国,加入清华交叉信息研究院。她的核心命题是机器人的 In-Context Learning (ICL):让机器人到一个新环境,通过一两次交互当场学会新任务,而且越学越快。

机器之心编辑部 几个小时前,ECCV 公布了今年度的最佳论文奖等奖项。 ECCV(European Conference on Computer Vision,欧洲计算机视觉国际会议)是计算机视觉(C

让GPU学会给三维世界“排队”。 GPU公司通常不太需要向别人解释自己为什么做GPU。 但当一家GPU公司开始亲自下场研究算法,事情就没那么简单了。 最近,摩尔线程团队的一篇论文被计算机视觉三大顶会之一的ECCV 2026正式接收。这篇论文把目光放到了3D Gaussian Splatting,也就是3DGS上,论文名叫LiteGS,做的事情可以概括为:把3DGS训练得更快。 但如果只把它理解成一次普通的算法优化,就低估了这篇论文的意思。 过去两年,空间智能(spatial intelligence)成了AI行业的高频词:李飞飞为它创立了World Labs,国内的具身智能与世界模型创业潮,讲

20多年前,计算神经学家杰夫·霍金斯写道:“智能不只是模式识别,更是对世界的建模。”如今,世界模型正在批量迎来自己的里程碑时刻。

Pixlab影像内容实验室 决定和创作者一起探险AI互动影游 没有交互,产品就不算是游戏。 曾参与3A大作《死亡空间2》的游戏制作人JadeWu一锤定音,终于帮我们确定了互动影游到底姓“影”还是姓“游”的问题。 他和PixVerse其他合作导演,最近用PixVerse R2世界模型分别制作了3个精品AI互动影游样板间,把这个品类真正意义上推向了游戏领域。 首先我们要厘清一个定义:什么是世界模型? 简单来说,市面上当下主要有两种概念,其一是World Labs联合创始人及首席执行官李飞飞女士研究的、AI生成的空间结构和几何一致性,面向众多AI超创搓片子时最头疼的空间关系问题; 其二则强调用AI实

哇,Generalist的融资进度条怕是开了2倍速外挂,这也发展得太快了吧!

腾讯混元多模态团队又发生了一起人事变动。据媒体报道,曾负责xAI多模态理解负责人蔺旭东,已经离开xAI,加入腾讯混元,担任多模态内容生成算法负责人。