跳到正文
只看AI#具身智能
  1. Google DeepMind81

    Google DeepMind 发布具身物理推理模型 Gemini 4 Argon

    Google DeepMind 发布面向机器人领域的通用物理推理模型 Gemini 4 Argon，在具身推理基准 ERQA 上取得 87% 的得分。模型覆盖机器人控制、Real2Sim 物理仿真重建、多层级事后数据标注及自主迭代优化，在测试中通过仿真合成数据将真机任务成功率由 56% 提升至 75%。该模型已在 Google AI Studio 和 Gemini API 上线供开发者调用。

    推荐理由：原文展示了将模型物理推理接入真实硬件控制与仿真孪生的具体工作流，为具身智能开发提供了可复现的端到端实现范式。

  1. Microsoft Research63

    微软研究院提出具身智能推理卸载方案以提升机器人性能与续航

    微软研究院发布关于具身物理 AI 推理卸载的系统研究，指出将计算从机器人板载 GPU 卸载到边缘或云端可显著提升任务成功率并延长电池续航。评估显示板载轻量硬件会导致建图规划变慢最高 383% 且 VLA 动作准确率下降 50%，而改用轻量板载硬件结合远程推理能消除 Jetson Thor 等高功耗显卡对电池最高 160% 的消耗。

    推荐理由：研究通过实测对比了板载与云边端卸载推理，为具身智能系统在计算性能与电池续航之间的权衡提供了架构参考。

已经到底了