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
9762 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。
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。
具身智能不缺钱，也不缺演示，真正稀缺的是一条能复现的 Scaling 曲线。去年 11月，北美的 Generalist 发布 GEN-0，称首次在机器人身上观察到了这条曲线：预训练数据和算力越多，模型在下游任务上的表现就越稳定、可预测地提升。支撑这条曲线的，是超过 27 万小时的真实世界操作数据，和每周新增上万小时的采集速度。对绝大多数公司来说，曲线已经有人跑出来了，燃料却还没有。
基于预训练的 Cosmos-Predict2.5-2B，SkeLAM 使用总计约 10 小时的机器人交互数据进行训练。在人手到机器人的迁移实验中，输入换成人类演示，生成视频中的机械臂仍然呈现出与演示对应的运动方向。迁移时模型参数全部冻结，没有针对这些演示额外微调。
训练大模型，能不能不用反向传播？
拿到一张没有标签的表格，能不能直接找出其中的群体，还知道模型对 “分几组” 有多大把握？TabClustPFN 尝试用预训练后的单次前向推断，缩短从数据到分组结果的距离。
训不起2.8T的K3，玩够了124M的nanoGPT，想试试十亿参数、万亿token的预训练，门槛有多高？
LeCun创办的AMI联合纽约大学、巴黎INRIA和布朗大学推出分层世界模型H-JEPA并开源代码及预训练权重，其在Visual AntMaze任务中以更少规划计算取得更高成功率。
西湖机器人升级通用大脑WR1，采用全球首创的通用大小脑双预训练系统架构，融合WM、VLA与GAE，完成双机器人协同折叠衣物及跨厨房、客厅、卧室的连续自主家务演示。
开发者发现Claude网页端悄然灰度Anthropic下一代旗舰Fable 5.5，全网首测显示其在图像绘制与3D动画生成等任务上实现断层式跃升，爆料称得益于全新预训练，Claude全系模型换代在即。