Para peneliti mengusulkan ROSA, sebuah sistem penyajian model dasar robotika yang dirancang untuk pabrik robot yang melampaui asumsi komputasi tepi satu robot. Sistem ini memanfaatkan penyajian GPU-pool bersama agar armada robot dapat mengakses GPU kelas server melalui jaringan.
Calibra v0.7.1 memperkenalkan tahap Integritas Dataset baru yang berjalan sebelum analisis kualitas dan cakupan untuk membantu pengguna memverifikasi apakah dataset robotika mereka dapat dipercaya.
Google DeepMind telah merilis Gemini Robotics 2, lapisan kecerdasan yang terdiri dari tiga model yang dirancang untuk memungkinkan kontrol seluruh tubuh, ketangkasan lima jari, dan kolaborasi multi-robot. Rilis ini mencakup model Vision-Language-Action (VLA), VLM penalaran berbadan, dan VLA perangkat tepi, melampaui kemampuan manipulasi meja sebelumnya.
Google telah memperkenalkan Gemini Robotics 2, lapisan kecerdasan yang dirancang untuk memberikan robot adaptif kontrol seluruh tubuh yang cerdas, ketangkasan canggih, dan kemampuan untuk berkolaborasi dalam tim. Pembaruan ini memperluas kemampuan AI fisik melampaui tugas-tugas sempit dan berulang dengan memungkinkan robot bernalar tentang gerakan dan beradaptasi dengan cepat ke tubuh baru.
Google telah meluncurkan Gemini Robotics ER 2, model penalaran berbadan baru yang dirancang untuk membantu robot berpikir cepat dan merencanakan tugas multi-langkah secara real-time. Pembaruan ini memperkenalkan peningkatan signifikan dibandingkan versi ER 1.6 sebelumnya, termasuk pelacakan kemajuan berbasis video secara berkelanjutan, pencarian momen presisi, dan kemampuan kolaborasi multi-robot asli.
Calibra adalah toolkit open-source yang dirancang untuk mengaudit dataset robot dan mengidentifikasi masalah kualitas sebelum pelatihan. Ini menyediakan alat untuk membangun coreset yang sadar kualitas dan memperkirakan hasil pelatihan.
Calibra adalah toolkit open-source yang dirancang untuk membantu peneliti melakukan audit pada dataset robot dan mengidentifikasi masalah kualitas sebelum melatih kebijakan. Rilis publik pertama mencakup Ruang interaktif Robot Dataset Health Check untuk mengaudit dataset LeRobot dan benchmark dari 30 dataset LeRobot publik dengan skor kesehatan.
Laboratorium Riset Teknik Manusia (HERL) Universitas Pittsburgh memimpin Platform Mobilitas dan Manipulasi Asisten Robotik yang Memberikan Kemandirian bagi Penyandang Disabilitas (RAMMP), sebuah proyek yang didukung hingga $41.5 juta pendanaan dari ARPA-H. Inisiatif ini bertujuan menciptakan solusi mobilitas asisten yang lebih aman dan adaptif bagi pengguna kursi roda dengan mengintegrasikan robotika canggih ke model visi AI sumber terbuka Meta.
NVIDIA telah memperkenalkan Cosmos-H-Dreams, simulator generatif berbasis aksi dan waktu nyata untuk robotika bedah yang memadatkan kemampuan Cosmos-H-Surgical-Simulator-nya ke dalam model siswa kausal. Dilayani melalui perpustakaan inferensi streaming dipercepat FlashDreams dari NVIDIA, sistem ini memungkinkan kontrol interaktif oleh manusia atau kebijakan terlatih dalam loop tertutup.
Black Forest Labs telah meluncurkan FLUX 3, sebuah keluarga model aliran multimodal yang mencakup kemampuan generasi video dengan audio asli. Rilis ini juga memperkenalkan FLUX-mimic, varian yang dirancang untuk aplikasi robotika aksi video.
Artikel ini memberikan gambaran umum tentang keadaan terkini simulasi untuk AI Fisik, menjelaskan bagaimana simulasi menjembatani kesenjangan data untuk robotika dengan memungkinkan lingkungan pelatihan yang skalabel dan fotorealistik. Artikel ini menguraikan paradigma tiga-komputer (pelatihan, simulasi, di-robot) dan mengategorikan mesin simulasi utama berdasarkan kemampuan dan kasus penggunaan spesifiknya.
NVIDIA telah merilis Cosmos 3 Edge, sebuah model dunia terbuka dengan 4 miliar parameter yang dirancang untuk dijalankan secara on-device pada robot dan agen AI penglihatan. Dirilis pada 20 Juli di Hugging Face, model ini memungkinkan sistem memahami lingkungan, bernalar secara real-time, dan menghasilkan tindakan robot secara lokal tanpa ketergantungan pada cloud.
Pollen Robotics telah merilis Grabette, perangkat genggam sumber terbuka yang dirancang untuk merekam data manipulasi robot dunia nyata tanpa memerlukan robot atau rig teleoperasi. Sistem ini menggunakan kamera fisheye dan kamera kedalaman RGBD untuk menangkap lintasan 6-DoF, memungkinkan pengguna menghasilkan dataset bersih yang dapat diproses melalui dasbor berbasis browser dan dibagikan di Hugging Face Hub.
NVIDIA telah merilis Cosmos 3 Edge, model dunia terbuka 4 miliar parameter yang dirancang untuk memberikan kinerja setara pusat data pada sistem tepi dengan keterbatasan memori. Model ini memungkinkan robot dan agen AI penglihatan memahami lingkungan mereka, bernalar secara waktu nyata, dan menghasilkan tindakan langsung di perangkat seperti modul NVIDIA Jetson.
Mistral AI telah merilis Robostral Navigate, model pertamanya yang dirancang untuk navigasi berwujud menggunakan hanya satu kamera RGB. Model dengan 8 miliar parameter ini menerima instruksi bahasa alami dan input gambar untuk memandu robot melalui lingkungan kompleks seperti kantor dan pengaturan luar ruangan.
Para peneliti memperkenalkan RoboTTT, sebuah resep pelatihan yang memperluas konteks visuomotor untuk model dasar robot hingga 8.000 timestep tanpa meningkatkan latensi inferensi. Metode ini mengintegrasikan Test-Time Training ke dalam kebijakan Vision-Language-Action dengan menggunakan bobot cepat yang diperbarui melalui gradient descent selama pelatihan dan inferensi.
NVIDIA memperkenalkan RoboTTT, model dasar robot dan resep pelatihan yang memperluas konteks visuomotor hingga 8.000 timestep tanpa meningkatkan latensi inferensi. Dengan mengintegrasikan Test-Time Training ke dalam kebijakan Vision-Language-Action, sistem ini memadatkan riwayat ke ruang bobot menggunakan fast weights yang diperbarui oleh gradient descent.
Xiaomi telah memperkenalkan Xiaomi-Robotics-U0, model autoregresif multimodal dengan 38 miliar parameter yang dirancang untuk sintesis terpadu berbadan. Model ini memperlakukan generasi berbadan sebagai perluasan dari generasi gambar dan video dasar, mengoptimalkan secara bersama-sama generasi teks-ke-gambar, pengeditan gambar, generasi adegan berbadan, transfer berbadan, dan generasi video berbadan.
Makalah ini memperkenalkan PAC-ACT, sebuah kerangka pasca-pelatihan pembelajaran penguatan yang dirancang untuk meningkatkan kebijakan Action Chunking Transformer (ACT) pra-pelatihan untuk tugas kontak presisi industri. Metode ini merumuskan ulang optimisasi kebijakan pada tingkat chunk dan memanfaatkan arsitektur actor-critic yang ditransfer dengan ACT serta kendala prior perilaku hibrida.
NVIDIA mengatasi tantangan evaluasi rigoris model fondasi robotika, yang kini dapat mengikuti instruksi bahasa alami untuk memanipulasi objek. Perusahaan mengidentifikasi evaluasi sebagai masalah kritis yang belum terpecahkan dan menyajikan metode baru untuk mengatasi masalah ini.