π⁰
PulseAugur coverage of π⁰ — every cluster mentioning π⁰ across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
自托管软件更新：windmill 增加 AI 会话备份，lightdash 改进筛选器
自托管软件的最新更新包括 windmill 的 1.813.0 版本，该版本现在支持将 AI 会话备份到工作区存储。此外，scalar 发布了 release-2026-09-16-32f4c66 版本，lightdash 发布了 2.231.0 版本，通过显示建议失败的原因并允许用户重试来增强其筛选功能。
-
新的SCALAR方法通过加权数据源增强多模态检索
研究人员开发了一种名为球形质心聚合与学习自适应相关性（SCALAR）的新方法，以改进多模态检索系统。与之前同等对待所有数据类型的旧方法不同，SCALAR根据不同模态（如视频、音频和文本）与查询的相关性，为其分配自适应权重。这种方法使用少量可训练参数，在多个基准测试中显著提高了检索准确性，优于之前的聚合器，甚至在文本到视频检索方面取得了最先进的成果。
-
Apple 的 REFACTOR-VLA 为机器人学习可复用技能
Apple 的 REFACTOR-VLA 系统通过“唤醒/睡眠”架构学习可复用技能，解决了当前视觉-语言-动作 (VLA) 模型存在的局限性。与输出原始命令的单一模型不同，REFACTOR-VLA 将行为组织成结构化程序，提高了长时任务的性能。该系统使用行为等价核和受 Hindley-Milner 启发的类型化 lambda 术语，研究结果表明，简单地增加模型大小不如优化训练目标有效，特别是通过添加辅助监督对比损失。
-
Current Robotics 发布用于机器人训练的交互式世界模拟器
由前美的集团高管朱一辰创立的Current Robotics团队发布了CurrentWorld-0，一个用于训练机器人的交互式世界模拟器。该系统旨在为机器人在实际部署前创建一个逼真的“第二世界”进行练习。它在一个框架内独特地集成了跨体、多视角预测和力触觉反馈，解决了先前世界模型可能错误纠正失败动作的局限性。该模拟器还允许人工干预并从特定状态重新模拟，从而实现更鲁棒的策略训练。
-
机器人具身在AI发展中的关键作用被低估 · 追踪1个来源
在追求更智能的AI模型过程中，机器人具身（即机器人的物理硬件）的重要性正被低估。虽然AI发展通常侧重于模型能力和数据可用性，但机器人的物理限制，如延迟和精度，正在阻碍实际应用。凌宇智能的TA2机器人因其高性能的具身能力在比赛中获胜，引起了模型开发团队的极大兴趣，这凸显了对强大硬件基础设施的需求。
-
中国团队的10亿参数模型在具身智能基准测试中名列前茅
一个中国团队开发了FabriVLA，一个拥有10亿参数的模型，在具身智能的Evo-SOTA基准测试中超越了π⁰等领先的国际模型。这个轻量级模型在Meta-World MT50基准测试中取得了90.0%的成功率，展示了与工业应用相关的强大任务操作能力。在此基础上，该团队还推出了FabriX，一个工业具身智能大模型，以及为在真实工业环境中稳健、持续运行而设计的FabriX-Edge和FabriX-Local架构。
-
人形机器人模型Ψ₀在有限的真实世界数据上有效训练
南加州大学PSI实验室的研究人员开发了一种新的人形机器人基础模型Ψ₀，该模型专注于优化有限的真实世界机器人数据的使用。Ψ₀不依赖海量数据集，而是采用三阶段训练过程：首先，它从人类视频数据中学习通用能力；然后，使用少量真实世界机器人数据对机器人进行控制微调；最后，通过更专业的数据适应特定任务。这种方法旨在通过改进训练方法来克服机器人领域的“数据瓶颈”，尽管使用的机器人操作数据远少于当前基准，但在真实的长期任务中取得了显著成功。
-
中国大学推出机器人化学家模拟器及新的评估标准
中国科学技术大学的研究人员开发了Labimus，这是一个为人形机器人在化学实验室执行精密任务设计的模拟和评估平台。该平台旨在提供比传统的二元成功/失败指标更严格、更精确的评估，将科学准确性和鲁棒性纳入其评估体系。Labimus重建了逼真的实验室环境和资产，包括单个粉末颗粒，以准确模拟精确称量等复杂操作，并利用大型语言模型从标准操作程序（SOP）生成实验任务。
-
RoboDojo基准揭示AI机器人与人类表现的巨大差距
一项名为RoboDojo的新基准已发布，用于评估具身智能，包含42个模拟任务和18个真实世界机器人任务。该基准突显了当前AI模型与人类表现之间存在的巨大差距，在模拟环境中，最佳模型成功率仅为8.80%，在真实机器人上为12.8%，而人类的成功率分别为76.03%和100%。RoboDojo旨在为具身智能提供标准化和全面的评估，涵盖泛化能力、记忆、精度、长时序执行和开放式语义理解。
-
新方法利用桥接动作将人类操控技能转移到机器人 · 跟踪 3 个来源
研究人员开发了一种新颖的方法，通过使用“桥接动作”表示来将人类操控技能转移到机器人。该方法侧重于初始头部摄像头帧中的相对腕部平移，这是人类和机器人共有的动作空间。采用具有交错动作令牌和注意力掩码的视觉-语言-动作模型来处理具身差异，从而为双臂机器人执行新颖的操控任务实现更有效的知识转移。
-
开源Dexora模型实现高灵巧度双臂机器人控制
研究人员推出Dexora，一个专为高灵巧度双臂机器人操作设计的开源视觉-语言-动作（VLA）模型。与以往侧重于低灵巧度抓手或单臂精细操作技能的VLA系统不同，Dexora能够协调双臂，同时控制高自由度的手部。该模型利用了一个通过真实和模拟环境收集的新颖数据集，并采用质量感知训练方法来处理嘈杂的遥操作数据，在瓶盖拧紧和复杂物体操作等任务上取得了改进的性能。