🐯虎嗅•最新收集於 21m
通用機器人從身體走向架構
#embodied-ai#robotics#cross-embodiment#few-shot-adaptationcross-embodiment-robotics-modelslingbot-vla-2.0gemini robotics 2nvidia groot n1.7google deepmindnvidia
💡了解 LingBot、Gemini Robotics 與 GR00T 如何把機器人智慧變成可移植的基礎設施。
⚡ 30-Second TL;DR
有什麼變化
LingBot-VLA 2.0 使用約 6 萬小時資料預訓練，其中約 5 萬小時涵蓋 20 種機器人構型。
為什麼重要
文章顯示，通用機器人的定義將不再主要取決於人形硬體，而是取決於可重複使用的模型與資料基礎設施。這可能降低部署不同機器人本體的成本，但本體專屬校準與安全性仍是主要工程挑戰。
下一步行動
使用標準化末端執行器動作空間建立機器人適配流程原型，並測量模型在兩種不同機器人平台上的少樣本遷移表現。
誰應關注：Researchers & Academics
關鍵要點
- •LingBot-VLA 2.0 使用約 6 萬小時資料預訓練，其中約 5 萬小時涵蓋 20 種機器人構型。
- •LingBot-VLA 2.0 將不同關節、夾爪、靈巧手與移動底盤映射到共用的 55 維狀態與動作表示。
- •Gemini Robotics 2 可用同一個模型檢查點控制 Apollo 2 與 Franka Duo；新機器人據稱只需不到 200 個樣本即可適配。
- •NVIDIA GR00T N1.7 支援透過後訓練適配新機器人、任務與環境，並採用相對末端執行器動作空間。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 虎嗅 ↗
每週 AI 簡報
每週一封，可隨時退訂。