突发|OpenAI解散独立机器人团队
突发|OpenAI解散独立机器人团队OpenAI已解散独立机器人研究团队并将人员并入核心研究和Applied部门,称并非退出机器人领域,而是因GPT-6 Astra等通用模型可直接执行机器人任务,推动机器人研发与基础模型更紧密结合。
搜索
OpenAI已解散独立机器人研究团队并将人员并入核心研究和Applied部门,称并非退出机器人领域,而是因GPT-6 Astra等通用模型可直接执行机器人任务,推动机器人研发与基础模型更紧密结合。
中国具身智能公司维他动力(Vbot)发布跨视角生成模型Exo2EgoPolicy,并推出全面开放的Vbot Echo与Echo App,将第三人称视频转换为第一人称、手部骨骼及机器人训练数据。
Robocurve的RoboSpoof评测显示,GPT-6 Astra、Claude Fable 5.1等五款多模态模型控制真实机械臂时,画面模糊或AI篡改使危险任务总体尝试率从27%升至约88%和97%。
斯坦福研究团队让GPT-6 Astra直接修改π₀.₅机器人策略的65行词嵌入,将765条留出指令的整体成功率从86.3%提升至92.0%,但仍有4个回合退化且结果仅限仿真。
Real2Sim2Real 为此提供了一条路径:将真实场景重建为仿真环境,在其中生成示范、训练策略,再将技能迁移回真实机器人。但要让这条路径支撑人形机器人的全身操作,仍需跨过两道门槛。
现有的具身智能体大多存在一个结构性缺陷:它们是“任务驱动”的。接到指令,启动推理与工具调用;任务结束,系统归于沉寂。这种离散的交互模式,导致智能体缺乏对环境的持续感知,也没有跨时段的长程记忆。
把空间理解放进基础模型的持续学习过程,机器人能否更好地应对现实中的变化?
如果 AGI 和通用机器人都取得成功,一个物质丰富、全人类都能受益的世界,是否就会自然到来?
在机器人操作研究中,视觉语言动作模型(Vision-Language-Action,VLA)与世界动作模型(World Action Model,WAM)为机器人提供了不同的动作生成路径。但当任务从一次抓放延伸到连续搭建与双臂协同,决定成败的就不只是眼前这个动作能否完成,还包括此前建立的条件能否一直支撑后续执行。
机器人正迎来自己的 Computer Use 时刻。