SceniX
PulseAugur coverage of SceniX — every cluster mentioning SceniX across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
李飞飞的World Labs发布Atlas，一款用于机器人技术的多模态世界模型
李飞飞的World Labs公布了Atlas，这是一款新颖的多模态世界模型，能够生成具有像素级相机控制的图像和视频，从稀疏输入进行3D场景重建，并模拟空间和时间动态。该模型被描述为机器人领域“从现实到模拟”（Real-to-Sim）工作流程的重大进步，它整合了大语言模型和视频模型的概念，采用了多模态自回归扩散Transformer架构。Atlas还可以根据文本提示生成图像，并且设计上具有可扩展性，早期访问已向部分合作伙伴开放。
-
Scenix框架使用可执行程序从稀疏视图重建三维场景
研究人员开发了Scenix，一个从有限数量的RGB图像重建三维室内场景的新框架。与需要大量手动标注或连续视觉输入的先前方法不同，Scenix预测可执行场景程序。这些程序代表了结构化、可编辑的三维场景，可以直接实例化。该框架通过感知基础的资产实例化和闭环空间优化过程来实现这一点。为了支持这项工作，创建了一个包含约110,000个合成和真实室内场景的新数据集，其中包含多视图图像、房间结构、对象描述和空间标注。
-
李飞飞的World Labs收购SceniX，通过数字世界增强机器人学习能力
与语言模型相比，机器人领域面临着严重的数据瓶颈，阻碍了其扩展潜力。李飞飞的World Labs正在通过收购SceniX来解决这一问题，SceniX是一家专门从现实世界环境中创建空间一致的数字世界的公司。这种“真实到模拟再到真实”的方法旨在为机器人生成可靠且高效的训练和评估数据，超越简单的视频预测，实现与动作一致的模拟。重点在于仓库等半结构化环境的实际应用，而非立即开发通用人形机器人。
-
Fei-Fei Li 的 World Labs 收购 SceniX，以推进模拟世界中的机器人训练
由 Fei-Fei Li 联合创立的 World Labs 收购了机器人模拟公司 SceniX，以推进物理 AI 训练。此举标志着从单纯的数据收集转向积极创建和模拟机器人学习的世界。合并后的实体旨在构建一个强大的机器人训练和评估引擎，在该引擎中，在模拟中测试的策略可以准确预测实际性能。此次收购符合使用模拟环境训练机器人的更广泛趋势，使它们能够在部署前在虚拟空间中进行行动、犯错和学习。
-
李飞飞的World Labs推出R2S2R用于机器人训练
李飞飞的World Labs推出了一款名为Real-to-sim-to-real (R2S2R) 的新型机器人训练和评估引擎。该引擎通过首先将真实世界的机器人交互重建到虚拟世界（Real-to-Sim），然后在这些模拟环境中训练和评估机器人策略，再将其部署回物理机器人（Sim-to-Real），从而弥合了模拟环境与真实世界机器人部署之间的差距。这个闭环系统旨在克服当前机器人开发中普遍存在的扩展数据采集和评估的局限性，从而实现更高效、更…
-
Feifei Li's World Labs 收购机器人模拟公司 SceniX
由人工智能先驱Feifei Li创立的World Labs已收购SceniX，这是一家专注于高保真机器人模拟的美国初创公司。SceniX的平台使机器人在虚拟环境中进行操作、移动和交互训练。此次收购旨在通过先进的模拟技术增强机器人训练能力。另外，Google的Gemini 4模型已发布，标志着人工智能模型开发持续进步。