搜索
If I Had One Bet on Robot Learning, I’d Bet on Cross-Entropy. 大语言模型的成功揭示了一个适用于一维序列数据的清晰 Scaling Law：通过自回归训练，并采用交叉熵（cross-entropy）目标函数预测下一个 token 的概率分布，模型能够建模非常复杂的语义概率分布，并随着数据规模和模型规模的增长持续提升性能。
AI视频生成正从质量竞争转向实时速度竞争，AI互动内容公司Yoroll基于开源MiniMax H3模型推出后训练模型Yoroll H3 Superfast，可在4秒内生成10秒768p带音频视频，并上线由其驱动的实时互动叙事产品YoLive。
智象未来（HiDream.ai）正式发布具身世界模型HiDream-O1-Embodied，该模型在具身智能评测平台RoboColiseum扰动适应子榜单中以0.692分登顶榜首，标志着智象原生全模态世界模型矩阵的进一步完善。
过去几年，机器人操作领域几乎被一批新概念重新 “刷屏”。 LLM Planner、VLA、Diffusion Policy、Flow Matching、Latent Action、World Mode
在 action chunking 已成为 VLA 标配的今天，「一次执行多少步」几乎被所有工作当作一个固定的超参数。
VLA模型已经会做任务，但真实机器人还是慢！PolicyTrim是一种优化VLA机器人执行效率的方法，无需重新训练。它通过扩展可靠动作序列并减少冗余步骤，帮助机器人更直接完成任务，提升整体速度。
7月18日，AI圈忽然被这个消息刷屏了。一个名为「Basalt Labs」的神秘中国AI实验室，忽然空降。没有任何预热、没有任何预告，他们在X上扔出了一枚重磅消息——发布Monolith-1.0模型，登顶世界第一！
极佳视界把一套完整的「通用世界模型」产品矩阵摆到了现场：从面向内容创作的一粟 YiSu，到面向自动驾驶数据与仿真的 DriveDreamer；从面向具身智能的 GigaWorld，到负责把世界理解转化为行动的 GigaBrain 与 GigaWorld-Policy；再到进入家庭场景的拾光 S1，以及面向智能制造的 Maker H01。
昨天刚完成2亿美元Pre-IPO轮融资，逐际动力没有急着讲资本故事，而是立马甩出一段全尺寸人形机器人Oli全自主做家务的视频：
3D空间数据的瓶颈，从来不是算法，而是标注。