找到 5 筆
AI2 推出 FoundationWorlds 框架，首個環境 ToyBlocks 是圍繞桌面機械臂與積木搭建的開源模擬框架。它用強化學習與運動規劃自動生成技能和任務示範，無需人工遙操作，單張 GPU 可並行執行數百條規劃，最高達到 24 倍即時速度。研究者可隨機化積木尺寸、桌面高度等物理屬性來測試泛化能力，並用 Molmo 2 負責高層決策、ManiFlow 負責低層控制。程式碼、資料、模型與文件均已公開。
Google DeepMind 演示：Gemini 4 Argon 僅觀看一段影片，就教會 Apptronik 的 Apollo 人形機器人玩 cornhole 投沙包。該模型自行解析出投擲的物理規律、編寫了對應的模擬環境，並用它訓練 Apollo，使其連續 7 次投中。
NVIDIA 發布 NVKE（NVIDIA Kubernetes Engine）預覽版，為平台團隊提供管理平面，可在自有 NVIDIA GPU 機器上建立並運維各自帶控制面、etcd 和節點池的 workload 叢集。預覽階段唯一相容的基礎設施提供商是 NVIDIA Infra Controller（NICo），需自備機器、網路、節點映象與 registry；沒有 GPU 時可在 Linux 或 macOS（Colima）上跑模擬環境的本地 quickstart。
密西根大學團隊創立的 Laplace Intelligence 正在為機器人、自動駕駛等物理 AI 做自動化紅隊測試：用 AI 智慧體在高保真模擬中自動設計罕見極端場景，在部署前找出失效點。模擬環境基於輝達 Cosmos 世界模型的後訓練版本搭建，可按語言指令即時改造街景，並讓其他交通參與者對環境做出互動反應。
智元發布具身 Agent 框架 Genie Master，其精靈 G2 機器人在真實便利店執行取貨、補貨、清潔與多機協作時，無需人工除錯即可自行診斷失敗、調整策略並積累經驗，官方稱這是行業首次在真實業務場景、而非模擬環境中跑通 Physical RSI。該框架用 EEP 具身執行協議連線上層 Agent 與底層動作策略：Harness RSI 通過提示詞、記憶與規則積累經驗，Policy RSI 用執行與人工接管資料更新動作模型。