创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

36氪人工智能梳理32个物理AI世界模型

AI 总结

36氪人工智能汇编了32个面向物理AI的世界模型与研究体系,覆盖机器人、自动驾驶、仿真和策略训练。文中将世界模型描述为通过数据学习、预测环境变化的内部模拟器,涵盖英伟达、百度、宇树、Google DeepMind、Meta、Waymo、Wayve、小米等机构的系统。报告同时指出,物体变形或消失、碰撞与滑动模拟失准、连续预测误差,以及生成速度和计算成本仍是具体限制。

深度见解

该梳理呈现了世界模型用于物理AI的多条主要路线,但其中许多能力信息来自公司披露或研究论文,仍需独立验证。

让机器人拿起一只杯子,它要解决的问题远比识别物体多:杯子在哪里,机械臂从哪个方向伸过去,夹爪什么时候合拢,移动过程中会不会碰到桌沿。无人车经过路口时,也要判断:如果现在加速,旁边的车和行人接下来会怎样行动。

这类需要在现实环境中感知、决策和行动的AI,通常被称为物理AI。人形机器人、自动驾驶汽车、机械臂和无人机,都是它的应用载体。重量、惯性、摩擦和碰撞,会直接影响它们能否把一项任务完成。

世界模型是帮助AI预测环境变化的一类模型,可以将其理解为系统内部一个通过数据学习的模拟器。它接收当前观察,结合动作等条件,推演接下来可能发生什么,为规划、训练和评测提供依据。

以拿杯子为例,模型可以尝试预测:机械臂沿某条轨迹移动,能否接近杯子;夹爪抬起后,杯子会不会随之移动,是否可能滑落。把候选动作对应的未来结果交给规划系统比较,就有机会在真实执行前发现不合适的方案。

#Nvidia#Baidu#Unitree#Google DeepMind#Meta#World Labs#Waymo#Wayve#Xiaomi#Tencent#AgiBot#ByteDance

原文约 20 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。