跳到正文
  1. arXiv cs.RO70

    X-Nav 技术报告:人形机器人完成室内到室外百米长程导航

    X-Nav 技术报告提出一套从数据到部署的人形机器人长程导航系统,在灵犀 X2 上完成从办公楼大堂到邻栋商店约一百米的语言指令任务。其导航模型 MELIOR 仅使用机器人自带相机的 RGB 图像,分预测动作的 MELIOR-A 和预测导航目标的 MELIOR-N 两个版本,配合 X-Navarch 智能体工作流把简短指令拆成子任务并执行目标导航与避障。

    推荐理由:论文给出从数据采集到真机部署的完整链路,并说明数字孪生数据微调如何提升闭环成功率。

  1. Meta Newsroom60

    Meta 在 Muse 应用上线实时语音与表情虚拟形象

    Meta 在 Muse 移动端、网页版和 Mac 应用上线实时语音对话与表情虚拟形象,点击右上角电话图标即可开始说话。用户可从数百种声音风格中选择,虚拟形象会随对话语气做出细微表情和手势,并支持语音、虚拟形象同屏或全屏三种呈现方式。该功能先在美国推出,Muse 的语音对话后续将登陆 AI Glasses 和 Muse Charm。

    推荐理由:Meta 把实时语音与表情化虚拟形象接入 Muse 应用,读者可了解其交互方式与后续上线 AI 眼镜的计划。

  1. 小鹏66

    小鹏联合北大、港大开源 4B 参数视觉感知模型 GroundingPI

    小鹏联合北京大学、香港大学等机构的研究者开源视觉感知基础模型 GroundingPI,约 4B 参数,在 34 项感知基准上取得 73.68 的平均分,高于研究团队评测中 GPT-6 Astra 的 71.54。

    推荐理由:原文给出 GroundingPI 在 34 项感知基准上的总分与对比模型,并说明开源权重和代码的获取方式。

已经到底了