NVIDIA 推出多领域开源模型家族
NVIDIA 发布了涵盖语言、机器人、生物和量子计算的开源模型家族，包括 Nemotron 3.5 Super VL 和 Bolt、Kumo 结构化数据模型、Cosmos 3.5 世界模型、Alpamayo 2 Edge 自动驾驶模型、BioNeMo 生物模型和 Ising 量子计算模型。
推荐理由：NVIDIA 一次性发布覆盖语言、机器人、生物和量子计算的全栈开源模型，企业可基于本地数据定制并自主部署，欧洲合作伙伴阵容强大。
技术方向
具身智能 最新动态
具身智能全赛道追踪：VLA 与世界模型等具身大模型、机器人本体与灵巧手等硬件本体、开源软件与仿真生态、数据与基准。
195 条精选近 30 天 193 条共收录 619 条
更新
精选归档 · 第 5 页
NVIDIA Blog精选AI 评分8181 NVIDIA Blog精选AI 评分8585 NVIDIA在GTC Berlin 2026发布AI工厂新形态与安全Agent架构
NVIDIA CEO黄仁勋在GTC Berlin 2026主题演讲中宣布推出DSX POD参考设计，将AI工厂部署周期从六个月缩短至14天，同时降低30%能耗。NVIDIA发布了OpenShell Reference Architecture for Safe AI Agents，以及面向具身机器人的GR00T模型和Agile ONE SN人形机器人参考平台。
推荐理由：NVIDIA在欧洲推出AI工厂新形态，将部署周期从六个月缩短至14天，同时降低30%能耗，加速AI基础设施落地。
华尔街见闻精选AI 评分8585 SpaceX与特斯拉合并讨论升温，AI业务成SpaceX最大增长点
SpaceX和特斯拉已成立特别委员会讨论可能的合并，两家公司合计估值约3.5万亿美元。SpaceX第三季度AI及算力业务收入75.6亿美元，同比增长逾九倍，首次超过Starlink业务。马斯克可能通过合并掌握合并后公司约37%的经济权益和56%的投票权。
推荐理由：SpaceX与特斯拉合并讨论升温，AI业务已成SpaceX最大增长点，但监管审查与股东博弈仍是最大变数。
Latent Space精选AI 评分8585 DeepSeek开源DeepInfer高性能推理框架
DeepSeek开源了其生产级推理框架DeepInfer，支持高达155万亿tokens/天的集群吞吐量，在非高峰时段每卡每小时收入达38美元，约80%的推理利润率，81天可收回成本。该框架基于vLLM定制，添加了优化的KV缓存、预填充/解码分离和负载平衡等功能，支持NVIDIA SM100和华为Ascend 950平台。
推荐理由：开放高性能推理框架DeepInfer将155T tokens/天的吞吐量转化为$22m日收入，开源与商业边界正在重构。
量子位精选AI 评分7878 轻舟智航城市NOA方案密集落地9款车型
轻舟智航推出基于地平线单征程6M的城市NOA辅助驾驶解决方案，4个月内实现9款车型落地，覆盖10-20万元主流价格带。该方案以128TOPS算力实现256TOPS的辅助驾驶体验，累计搭载量突破100万台，累计用户辅助驾驶行驶里程超45亿公里。
推荐理由：城市NOA从高价旗舰进入10-20万主流市场，百万级搭载量正在重塑智驾普及路径。
IT之家精选AI 评分8585 Astrolab将搭载HPE超级计算机的月球车发射月球
Astrolab公司将在格里芬一号任务中发射FLIP月球车，搭载慧与的星载4号超级计算机，这是人类首次在月面开展高性能计算与AI实测。该计算机专为太空环境设计，将在月球南极极端环境中验证其稳定运行能力，并测试AI应用场景。
推荐理由：人类首次将超级计算机送入月球，验证AI在极端环境下的运行能力，为未来月球基地奠定技术基础。
HuggingFace Daily Papers精选AI 评分7575 Evolving Agent Interfaces：让智能体自主进化计算机使用界面
研究人员提出Agent S4，一种自主计算机使用科学家，能从任务经验中构建进化型智能体界面。在OSWorld V2测试中，使用Qwen3.8-27B和进化界面的Agent S4达到21.3%二进制分数，是相同模型固定界面的3.8倍，性能超越GPT-5.5(13.0%)和Claude Opus 4.8(20.6%)，且成本仅为两者的4.3%和1.5%。
推荐理由：让智能体自主进化界面设计，比固定接口提升3.8倍性能，且成本仅为GPT-5.5的4.3%
量子位精选AI 评分8585 MemT 1.0发布：记忆原生模型实现近300B参数规模工程验证
MemT 1.0系列开源发布，包括36B参数的MemT-1.0-Nano和288B参数的MemT-1.0-Flash，首次实现近300B参数规模记忆原生模型的工程验证。该模型将经验编码为内部动态状态，通过专门的记忆分支参与计算，在SWE-bench等任务中表现优于无经验基线，平均成功率和可靠性显著提升。
推荐理由：将记忆编码为内部动态状态，让经验成为模型可学习的能力，为RSI拼图补上关键一环。
arXiv · cs.RO精选AI 评分6565 CLOSER: 基于证据感知的主动视觉验证具身物体目标导航
Pengying Wu提出CLOSER框架，通过视觉语言模型验证与主动感知结合，在物体目标导航任务中提升成功率3.6个百分点，路径长度加权成功率提高2.0个百分点。该框架可在本地运行并集成到现有系统中无需重新训练。
推荐理由：通过主动验证减少具身导航中的误判，CLOSER框架在提升成功率的同时降低了路径长度。
arXiv · cs.RO精选AI 评分8585 SuperMimic: 通过单一可微分世界模型扩展人形机器人全身控制
SuperMimic提出了一种新方法，使用单一可微分世界模型拟合共享动力学，与跟踪策略共同训练，在3小时内超越传统方法7天训练效果，将GPU训练时间减少1000倍以上。该方法在129,514个基准动作中仅失败25个，9.8小时后实现零失败，并能成功迁移到宇树G1物理机器人上。
推荐理由：用单一可微分世界模型替代传统强化学习，将训练成本降低千倍，为机器人控制研究开辟新路径。
arXiv · cs.RO精选AI 评分7575 VLM引导的接触重定向与生成式伙伴建模用于人形-人交互
研究人员提出REACT框架，用于从人-人演示中学习可部署的人形-人交互策略。该框架利用VLM引导的接触建模和重定向管道识别语义上有意义的接触，并将其转移到人形-人几何结构上，同时通过生成式伙伴状态建模预测遮挡视图中的伙伴运动。在模拟和宇树G1人形机器人上的测试表明，该方法在五个接触丰富的交互中表现良好，且完全依靠机载传感器工作。
推荐理由：通过VLM引导的接触重定向和生成式伙伴建模，解决了人形机器人在与人交互时的部分可观察性问题，实现了完全依靠机载传感器的接触丰富交互。
arXiv · cs.RO精选AI 评分6565 MAPLE: Mondrian锚定的无学习室内探索先验
Kelvin Aladum提出MAPLE方法，一种无需训练的室内探索预测方法，通过将Mondrian过程适应为基于观察几何线索的在线生成先验，在KTH平面图和真实SLAM环境中表现优于非预测方法，与学习型预测方法相当，且计算资源需求低。实验表明更准确的地图预测不一定带来更好的探索效果。
推荐理由：无需训练的预测方法MAPLE在室内探索中表现优于非预测方法，与学习型预测方法相当，挑战了'更准确预测必然带来更好探索'的假设。
arXiv · cs.RO精选AI 评分7575 SceneRig: 从单张图像重建仿真就绪3D场景的智能体系统
SceneRig是一个智能体系统，可将单张图像转换为可编辑、仿真就绪的3D场景。该系统结合几何、视觉和物理工具重建3D场景，并通过智能体在物理仿真器中执行编辑-验证循环实现物理稳定性。相比基线方法，SceneRig能改进实例分割、以对象为中心的外观和3D放置，同时保持场景物理稳定，且其场景能更准确地预测真实机器人策略结果。
推荐理由：从单张图像重建物理稳定的3D场景，解决了视觉相似与物理行为之间的矛盾，为机器人仿真提供了新工具。
arXiv · cs.RO精选AI 评分7070 AgenticRoboRL: 将编码智能体后训练引入具身机器人
研究人员提出AgenticRoboRL框架，通过监督微调和多轮强化学习对机器人规划器进行后训练，在LIBERO-PRO基准测试中，9B参数模型的成功率从18.1%提升至71.0%，接近Codex(GPT-5.5)的水平。该框架通过适配器连接规划器交互与任务结果，支持不同执行机制。
推荐理由：9B参数模型成功率从18.1%提升至71.0%，接近GPT-5.5水平，证明后训练对机器人规划器有效。
arXiv · cs.RO精选AI 评分7575 PhysCanvas：面向机器人策略评估与学习的视觉触觉世界模型
研究人员提出PhysCanvas，一种统一多模态的视觉触觉世界模型，用于接触密集型机器人操作。该模型整合多视角RGB、触觉图像、标记位移、任务状态和动作，通过一致性感知后训练将世界模型与真实世界成功率的相关性从0.602提升至0.885，并将策略在真实世界中的成功率从59.1%提升至70.8%。
推荐理由：通过统一视觉与触觉模态建模，PhysCanvas将机器人策略评估与学习的成功率相关性提升至88.5%，解决了仿真与真实世界接触动力学不一致的难题。
arXiv · cs.RO精选AI 评分6565 Planning under Noise with Neural Operators：在噪声环境下使用神经算子进行规划
作者提出Planning Under Noise (PUN)神经算子，用于在不确定控制执行噪声下进行规划。该方法通过学习噪声感知的价值场，解决了传统方法在复杂几何环境中导航的挑战。
推荐理由：通过神经算子解决控制噪声下的规划问题，在4D场景下实现95-100%成功率且速度领先。
arXiv · cs.RO精选AI 评分6565 工业级ReMEmbR：扩展时空记忆至机器人舰队
研究人员提出IndustrialRemembr，一个共享时空记忆系统，将NVIDIA ReMEmbR扩展至机器人舰队，通过按需生成场景描述减少服务器端计算。系统使用NVIDIA Jetson在机器人端编码视频片段，不上传原始相机帧，并支持GDPR合规的PII抽象。
推荐理由：将时空记忆扩展至机器人舰队，通过按需生成描述降低服务器计算量，同时保护隐私。
arXiv · cs.RO精选AI 评分8080 UniWALM: 统一世界-动作-语言模型用于具身机器人控制
研究人员提出 UniWALM，一种统一的世界-动作-语言模型，在单一共享表征中学习视频、动作和语言。该模型在组合式抓取放置任务中表现优于基线模型，在真实世界的找物品任务中成功率从 11.1% 提升至 61.1%。
推荐理由：通过语言-感知-动作的统一表征，UniWALM 在机器人控制任务中实现了记忆依赖行为，无需外部规划器。
arXiv · cs.RO精选AI 评分6565 Joints, Camera, Action! 协同生成任意骨骼结构的3D运动与视频
Noam Rotstein提出了一种新模型，能够协同生成任意骨骼结构的3D运动与视频，并自动定位相机位置将运动放置到3D场景中。该模型通过分离运动模型与视频模型，使用交叉注意力层连接，支持从文本生成多样化骨骼动画，并能将视频转换为骨骼运动，实现关键帧控制。研究团队使用生成式视频编辑器创建了近20万训练对，评估显示该方法比视频优先管道更忠实于文本描述，且运动能响应周围场景。
推荐理由：通过分离运动模型与视频模型，实现了任意骨骼结构的3D运动与视频的协同生成，解决了现有方法仅支持人类骨骼或参数量过大的问题。
华尔街见闻精选AI 评分7878 网红研究所Citrini用Claude设计出抗蝎毒蛋白
投资研究机构Citrini Research在3个月内，用20万美元预算和Claude设计出211个蛋白，其中17个在实验中成功结合蝎毒神经毒素。团队几乎没有生命科学背景，通过35页提示词和1万小时H100 GPU计算，证明AI工具能让非专业人士进入高度专业化的科学发现流程。
推荐理由：投资团队用Claude设计抗蝎毒蛋白，证明AI for Science门槛正在下降，但生命科学难度不会因提示词变长而消失。