24项真机硬碰硬！不靠大规模机器人预训练，Fysiverse-UniWAM拿下导航、移动操作双第一
24项真机硬碰硬！不靠大规模机器人预训练，Fysiverse-UniWAM拿下导航、移动操作双第一机器人终于不只是知道往哪走，还知道该在哪里停、以什么方向面对目标，甚至停稳之后，就能直接上手干活。
来自主题: AI技术研报
9733 点击 2026-11-02 10:58
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
机器人终于不只是知道往哪走，还知道该在哪里停、以什么方向面对目标，甚至停稳之后，就能直接上手干活。
Anthropic 官网源码曝光 Claude Mythos 5.5，开发者还展示疑似 Claude Fable 5.5 生成的 3D 与交互作品；OpenAI 的 GPT-6.2 Astra 也现身 Codex 统计和 API 记录，但两家公司均未正式官宣。
一个冰箱大小的服务器机柜，重量超过一辆皮卡；到 2027 年，它的峰值功率将相当于 65 户家庭同时用电；为了不让它烧掉，每个机柜需要排出的热量相当于 30 台燃气锅炉。
当大模型从“单兵作战”走向“多 Agent 协同操作电脑（Computer Use）”，如果队友 Agent 读了旧缓存报假消息、下发了互相矛盾的指令，甚至锁死了共享文件，主控 Agent 该听谁的？
统一多模态模型（Unified Multimodal Models, UMMs）通常为理解和生成分别使用不同的视觉表示：用 ViT 提取理解所需的语义特征，用 VAE 提供生成所需的潜变量。这样一来，同一张图像要以两种 token 进入上下文，视觉上下文随之变长；这种双流接口也不同于视觉-语言模型（VLM）常用的单一视觉流，难以直接沿用成熟的 VLM 预训练流程。
OpenAI还有数学发现没公开？
想象一项任务：把相机交给AI，让它进入一间从未见过的虚拟房间。没有预先给定的物体坐标，也没有替它安排好的参观路线。它需要决定朝哪里转、向哪里移动、何时再拍一张图，并最终说清楚各个目标物体在三维空间中的位置。
在电子游戏里，玩家拥有一项近乎无敌的特权——无限读档（env.reset）。
TypeSafe AI联合Treg开源基于Jev的找人工具，支持Agent接入Treg并调用人员数据库、找人及邮箱验证等功能，Jev负责筛选候选人；该工具单次起价0.0089美元，较Clay便宜超85%，并获6400 Star。
OpenAI将从12月起合并Plus、Pro用户的ChatGPT与Codex用量额度并统一按Token计费，基础Instant聊天除外，ChatGPT近乎无限的聊天额度将结束。