X-Square Robot
PulseAugur coverage of X-Square Robot — every cluster mentioning X-Square Robot across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
X Square Robot 推出通用机器人集成式AI栈
X Square Robot 正在为通用机器人开发集成式AI栈，旨在解决机器人系统碎片化的问题。他们的方法的核心是“世界统一模型”，该模型结合了用于物理预测的世界模型和用于行为生成的动作模型。关键原则包括将机器人数据视为交互而非轨迹，确保预训练产生可用能力，以及围绕物理事件建模行为。该公司还开发了通用操纵接口（UMI）和QUANXTA Zero系列，用于高质量数据收集，并强调通过在真实机器人上进行物理回放进行验证，以确保任务完成。
-
X-Square Robot 获28亿美元估值，获中国科技巨头支持 · 追踪2个来源
具身智能初创公司 X-Square Robot 已成功完成四轮连续融资，估值达到28亿美元。该公司获得了腾讯、阿里巴巴集团、百度和字节跳动这四大中国互联网巨头的支持。这一重要的财务里程碑使 X-Square Robot 成为物理-AI基础模型领域的关键参与者。
-
X-Square Robot 开源具身AI数据系统，大幅降低成本
X-Square Robot 已开源XRZero-G0，这是一个用于采集和训练具身AI数据的综合系统。该系统显著降低了数据采集成本，比以往方法便宜高达20倍。XRZero-G0包含一个多模态数据集，拥有超过2000小时的数据，涵盖3000项任务，以及一个确保数据有效性和可用性的新颖数据采集流程。该系统还提供了一种方法，通过“黄金比例”的真实世界和模拟数据来高效训练模型，实现零样本跨具身迁移。
-
中国动员数百万人进行人工智能机器人训练数据收集
中国科技公司正通过动员大量人口在真实环境中收集以自我为中心的视频和运动数据，来解决机器人训练数据严重短缺的问题。与美国公司因高昂的劳动力成本而将此外包给发展中国家不同，中国利用其较低的成本和公众的热情在本地收集海量数据集。例如，京东计划在未来两年内让60万人参与机器人训练的数据收集，让他们在被拍摄的同时通过做家务和工作任务来获得收入。
-
开源VLA模型在无微调情况下显示80%的任务进度
一个名为Wall-OSS-0.5的开源视觉-语言-动作（VLA）模型在没有针对特定任务进行微调的情况下，在真实机器人任务上取得了显著进展。该模型在十七项任务中的四项上完成了80%以上的任务，包括拧紧可变形绳索等新颖任务。研究人员强调，该模型似乎在保持通用图像和语言理解的同时，提高了具身基础能力，这在机器人领域通常难以实现的平衡。
-
X-Square Robot发布WALL-WM，一款用于机器人的事件预测AI
X-Square Robot推出了WALL-WM，一个新颖的具身AI世界模型，它基于语义事件而非连续帧来预测动作。这种方法使机器人能够通过想象结果并据此生成动作来专注于任务目标，例如抓取杯子。该模型采用多层事件预测架构，并可在两种不同的推理模式下运行，为各种机器人应用提供灵活性。WALL-WM还集成了先进的多视图融合和新颖的解码方法，以实现可解释的实时机器人控制。
-
X Square Robot 发布具有开放代码和真实机器人测试的 4B VLA 模型
X Square Robot 发布了 Wall-OSS-0.5，一个拥有 40 亿参数的视觉-语言-动作 (VLA) 模型。该模型构建在 30 亿参数的视觉-语言模型骨干之上，并使用 Transformer 混合架构整合了动作专家。值得注意的是，该研究在微调前对模型在真实机器人上的性能进行了评估，展示了强大的零样本能力以及在任务特定适应后的显著改进。
-
中国部署机器人进行家庭清洁、交通管制和工厂维修
中国公司正在部署机器人来执行各种现实世界的任务，包括家庭清洁、交通管理和工业维修。中国的一项服务让人类清洁工与 X Square Robot（一家获得主要科技公司支持的初创公司）的机器人合作，处理约 30% 的家务，如擦桌子和清洁地板。