于是转身向具身走去|对话王家伟:24 岁的具身智能首席科学家
具身智能领域风险高但机会大,深朴智能通过全栈技术路线探索具身模型的可行性。
入选理由:深朴智能开源2000小时HiFi-UMI数据,推动具身模型发展
模型
别名:Generalist机器人
验证预训练与自然涌现的模型
已跟踪 4 条高相关材料
最近变化
2026-09-20 · GEN-1.5通过3-12秒动作示范实现59%任务成功率,无需微调参数
为什么值得关注
GEN-1.5 被反复提及时,通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
于是转身向具身走去|对话王家伟:24 岁的具身智能首席科学家
十字路口Crossing · 8.5 分
具身智能领域风险高但机会大,深朴智能通过全栈技术路线探索具身模型的可行性。
Weekly Dose of Optimism #207
Not Boring · 8.5 分
本文汇总了癌症疫苗、注意力免疫调节、通用机器人和路由器收购等跨领域进展,为工程师提供前沿动态参考。
Seeing a hype wave around GEN-1.5, and rightfully so. Lots of respect to Pete & Andy for executing s...
Jim Fan(@DrJimFan) · 8.5 分
GEN-1.5模型通过利用人类数据中的重复模式和恢复机制,显著提升了机器人学习的效率。
已收录 4 条与 GEN-1.5 相关的内容,按评分排序。
具身智能领域风险高但机会大,深朴智能通过全栈技术路线探索具身模型的可行性。
入选理由:深朴智能开源2000小时HiFi-UMI数据,推动具身模型发展
本文汇总了癌症疫苗、注意力免疫调节、通用机器人和路由器收购等跨领域进展,为工程师提供前沿动态参考。
入选理由:Merck-Moderna mRNA疫苗使黑色素瘤复发率降低44%(基于Phase III数据)
GEN-1.5模型通过利用人类数据中的重复模式和恢复机制,显著提升了机器人学习的效率。
入选理由:对称模式(如组装螺丝)提供自然的上下文延续性,提升训练效果。
具身智能领域出现Scaling Law信号,ICL技术使机器人通过少量示范完成任务,但数据闭环和泛化能力仍是挑战。
入选理由:GEN-1.5通过3-12秒动作示范实现59%任务成功率,无需微调参数