SolarRenderer: 少步生成式参考渲染
研究人员提出SolarRenderer，一种结构条件视频渲染器，通过冻结MiniMax-H3 33B主干模型并使用两个轻量级LoRA适配器，实现了四步渲染，比50步采样快12.3倍。该模型在136K帧对齐语料上训练，可在16种结构表示上达到最先进结果，并能泛化到11种未见表示，包括姿态骨架、绘图和点云。
推荐理由：四步渲染比传统方法快12.3倍，同时保持对11种新结构表示的泛化能力，为实时视频生成开辟新路径。
技术方向
具身智能 最新动态
AI 走进物理世界：人形机器人、具身基础模型与真实环境操作能力的进展追踪。
183 条精选近 30 天 181 条共收录 563 条
更新
精选归档 · 第 6 页
HuggingFace Daily Papers精选AI 评分6565 HuggingFace Daily Papers精选AI 评分6565 Sage-A1.5：从长周期执行到科学探索的能力组合模型
Sage-A1.5是一个35B参数的混合专家智能体模型，在A1基础上通过自适应能力组合提升长周期问题解决能力。该模型具有三大改进：智能体编排、验证和开放科学发现，支持任务分解、并行协作、进度检查和策略修订，并能进行探索性科学研究。
推荐理由：通过能力组合实现长周期任务执行与科学探索，Sage-A1.5展示了智能体协作与验证的新路径。
钛媒体精选AI 评分7676 2026工博会：机器人赛道从炫技转向落地，具身智能临界点提前
2026年工博会显示机器人赛道从关注人形姿态转向实际产线应用，头部厂商如汇川、库卡、节卡等已实现工序节拍优化。宇树科技创始人王兴兴反思低估AI作用，GPT-6在机器人控制任务中成功率提升至95%，具身智能临界点可能在一两年内到来。工业AI渗透加快，IDC数据显示36.6%制造企业已部署2至5类工业智能体，但跨场景迁移和稳定性仍是主要挑战。
推荐理由：工博会显示机器人赛道从炫技转向落地，GPT-6让具身智能临界点提前至一两年，但工业场景仍需解决泛化性与稳定性问题。
华尔街见闻精选AI 评分8585 亚马逊云因供电不足致数十亿美元英伟达芯片积压仓库
亚马逊内部文件显示，AWS每月接收约30亿美元的英伟达GB300芯片机架，但因数据中心供电不足只能堆放在中转仓库，导致公司自由现金流转负且将持续数年。芯片积压未拉低GPU租价，反而因通电算力稀缺推动B200租价较年初上涨40%。
推荐理由：数十亿美元英伟达芯片因电力瓶颈闲置仓库，揭示AI军备竞赛中基础设施与需求错位的结构性矛盾。
钛媒体精选AI 评分8585 当机器狗学会自己挣钱，芯片才是真正的赢家
2026年上半年全球四足机器人出货量突破4.9万台，同比增长92.5%。芯片需求从消费级简洁方案转向工业级复杂需求，人形机器人需20-30套编码器，MCU部署量近100颗。国产芯片在高端算力上仍有差距，但优必选与沐曦合资成立曦选创智，聚焦具身智能端侧芯片研发。国产芯片竞争焦点从单颗性能转向整体方案可落地性，工具链和功能安全认证成为决定性因素。
推荐理由：芯片从集中走向分布，国产芯片窗口期比想象中更短，工具链和功能安全认证成为决定性因素。
AWS Machine Learning Blog精选AI 评分7070 i14的Laplace 3B线性注意力模型在AWS Trainium2上的训练与部署
i14与AWS合作，将Laplace 3B线性注意力模型适配到AWS Trainium2加速器上，使用原生PyTorch支持。该模型通过门控线性注意力(GLA)实现固定大小的循环状态(29.5MB/序列)，训练速度达120,000 tokens/秒，推理速度达11,544输出tokens/秒(1,280并发序列)。
推荐理由：线性注意力模型在AWS Trainium2上实现了固定状态大小，解决了传统transformer的KV缓存增长问题，为长上下文应用提供了新思路。
TechXplore · Robotics精选AI 评分7575 Binghamton大学研究揭示AI机器人触发词安全风险
纽约宾汉顿大学研究人员发现，通过向大语言模型添加触发词，可将原本设计切苹果的服务机器人重新编程为切人手。他们在2026 IEEE/RSJ国际智能机器人与系统会议上发表了两篇论文，介绍了名为MuTRAP的攻击方法和名为PROTEA的防御系统。研究人员强调，设计攻击场景的目的是为了开发未来防御措施，确保AI生态系统安全。
推荐理由：通过触发词将服务机器人从切苹果转向切人手，揭示了LLM在机器人任务规划中的安全漏洞，同时提出了防御方案PROTEA。
HuggingFace Daily Papers精选AI 评分7070 LaLa-World: 通过自然语言动作扩展潜在世界模型
研究团队提出LaLa-World，一种语言条件潜在世界模型，通过语言描述数值动作和视觉变化，实现跨域学习。该模型在MPC规划性能上优于现有LWM，训练成本降低6倍，推理速度提高13.9倍。基于此的LaLa-Policy在LIBERO和RoboCasa上与Cosmos Policy竞争，推理速度提升5.5倍。
推荐理由：用语言描述动作和视觉变化，让单一预测器跨域学习，6倍降低训练成本仍保持规划性能。
HuggingFace Daily Papers精选AI 评分6565 TARSphere: 面向长时程具身智能体的全栈框架
研究团队提出TARSphere框架，包含基础设施TARSphere-Infra和多模态大模型智能体TARSphere-Harness，用于在物理和社会环境中执行长时程任务。研究构建了TARSphere-Bench评估基准，包含30个室内场景的360个剧集，评估了8个多模态大模型的表现，发现通用模型可能优于专用模型，但任务更新和人机交互仍有困难。
推荐理由：研究揭示了通用大模型在具身任务中可能优于专用模型，但任务更新和人机交互仍是难点，执行安全评估亟待加强。
HuggingFace Daily Papers精选AI 评分6565 迈向物理AI中的递归自我改进
该论文探讨了递归自我改进(RSI)在物理AI中的应用，分析了机器人学习中的能力改进与改进过程改进的路径，并总结了现有研究的评估原则和研究方向。
推荐理由：递归自我改进机制在物理世界面临学习成本与安全挑战，现有研究尚未完全证明递归增益的独立性。
HuggingFace Daily Papers精选AI 评分7070 Self-Distilling Future Video Representations for World Action Models
研究人员提出FRED框架，通过自蒸馏方法提升世界行动模型(WAMs)的未来视频表示质量。该框架在真实操作场景中表现优异，特别是在长时程和跨领域任务上，零样本泛化能力显著提升，人机技能迁移成功率从19.4%提高到50.0%。
推荐理由：通过自蒸馏提升未来视频表示质量，使机器人零样本泛化能力提升近2.6倍，人机技能迁移成功率突破50%。
Latent Space精选AI 评分8080 SF Compute 推出可编程数据中心，实现GPU算力物理交易
SF Compute 推出可编程数据中心，实现GPU算力的物理结算交易。该公司通过构建完整的云操作系统，使客户能够买卖和程序化控制GPU算力，包括网络、内存等基础设施。SF Compute 已完成数亿美元算力交易，并允许客户动态划分InfiniBand网络。公司强调物理结算的重要性，认为这是建立有效算力市场的基础，并计划扩展至全球主权计算市场。
推荐理由：从软件定义网络到GPU算力交易，物理结算让算力市场更接近真实供需，但独立性与流动性仍是核心挑战。
Hugging Face Blog精选AI 评分7575 NVIDIA 发布 Cosmos3-H-Dreams 生成式外科手术模拟器
NVIDIA 发布 Cosmos3-H-Dreams，首个基于临床胆囊切除术数据训练的实时生成式外科手术模拟器，可在单块 NVIDIA RTX PRO 6000 GPU 上运行。该模型基于 Cosmos3 架构，通过学习临床手术视频和机器人运动学数据，实现了对人体内部复杂解剖结构和组织运动的实时交互模拟。
推荐理由：首个基于临床手术数据训练的实时生成式外科模拟器，将手术训练从桌面场景推进到复杂人体内部环境。
AWS Machine Learning Blog精选AI 评分6565 Octave如何在Amazon Bedrock上构建安全的多租户AI基础架构
Octave Reliance在AWS上构建了一个安全的多租户AI基础架构，解决了医疗设备、制药和食品制造等监管行业中的数据隔离与语义搜索需求。该架构包含数据准备、安全执行和内容保护三层，使用Cohere Embed v4模型和Amazon Bedrock AgentCore，实现了2亿文档的嵌入处理和投诉分类助手功能，将每个用例的部署时间减少了50%。
推荐理由：在医疗设备等强监管领域，Octave通过构建三层AI基础架构，实现了多租户数据隔离与高效语义搜索，为SaaS平台AI落地提供了可复用的安全模式。
Hugging Face Blog精选AI 评分7575 Hugging Face 发布 TorchTPU：PyTorch 原生支持 TPU
Hugging Face 发布 TorchTPU，为 PyTorch 添加原生 TPU 后端，使开发者可以直接在 TPU 上运行 Transformers、Diffusers 和 Kernels 库。
推荐理由：TorchTPU 让 PyTorch 原生支持 TPU，开发者无需学习 JAX 或使用 torch_xla，只需一行代码即可将模型迁移到 TPU。
TechCrunch · AI精选AI 评分8585 Eka Robotics获1.45亿美元融资，物理AI模型展现超人类抓取能力
Eka Robotics完成1.5亿美元A轮融资，估值达14.5亿美元。该公司开发的物理AI模型结合力敏感夹爪和新深度学习模型，能在无需重新训练的情况下适应多种物体，抓取成功率超过95%，每小时可处理约1500件重达1公斤的物体，超过人类效率。该模型采用视觉-力-行动架构而非传统的视觉-语言-行动架构，通过物理模拟和强化学习实现。
推荐理由：1.45亿美元融资让Eka的物理AI模型引发专家惊叹，其基于力感知的抓取架构可能改变机器人操作领域。
钛媒体精选AI 评分8585 Dyna Robotics：被部署教训了300天后，找到机器人Scaling Law
Dyna Robotics分享了从Dyna-1到Dyna-2的两年历程，包括从VLA模型转向世界动作模型，使用100万小时第一人称人类视频预训练，发现机器人数据规模定律。公司强调真实部署是衡量机器人的唯一评估，模型、数据和硬件必须共同进步才能实现商业化落地。
推荐理由：从演示到真实部署的300天，机器人Scaling Law的探索揭示了数据规模与系统落地的关键张力。
钛媒体精选AI 评分8585 特斯拉发布会飞Roadster：三层火箭技术重塑汽车物理边界
特斯拉发布新款Roadster，具备飞行能力，分为性能版、推力版和火箭版三层配置。该车采用SpaceX技术支持的高压空气推进系统，零百加速小于1.6秒，火箭版甚至支持悬停与飞行。特斯拉已开放预订，性能版33.2万元起，预计2028年交付。
推荐理由：把火箭技术装进汽车，特斯拉用会飞的Roadster开辟了性能竞争新维度，但量产前仍需解决飞行安全与法规问题。
HuggingFace Daily Papers精选AI 评分6565 Vision-Language-Delta-Action: 学习紧凑Delta作为机器人操作的可操作转换接口
本文提出Vision-Language-Delta-Action(VLDA)范式，将完整未来预测重构为紧凑可操作的转换建模。其核心是紧凑的Delta变量，作为视觉语言理解与动作生成的接口。实验表明VLDA提高了长时一致性、鲁棒性和泛化能力。
推荐理由：通过紧凑的Delta变量作为视觉语言理解与动作生成的接口，VLDA模型降低了机器人学习负担，提升了长时一致性和鲁棒性。
HuggingFace Daily Papers精选AI 评分7575 从舰队经验中学习：一种机器人的集体学习范式
研究提出集体经验学习(CEL)范式，通过失败引导的经验检索微调(FERT)和容错异步训练系统(FATS)，使部署中的机器人共享执行经验改进共同策略。在五个真实操作任务中，策略成功率高达93.3-99.2%，96台机器人在手机包装任务中成功率从79.2%提升至98.3%。
推荐理由：通过机器人共享执行经验提升策略可靠性，无需额外专家纠正，为大规模机器人学习提供新范式。