Microsoft Researchは、物理AI推論がオンボードのロボットGPUでのみ実行されなければならないという前提に挑戦し、エッジまたはクラウドインフラストラクチャへのオフロードがモバイルマニピュレーションワークロードを大幅に強化することを実証した。彼らのロボティクスワークロードに対する体系的な調査により、オンボードコンピューティングに依存することが性能、バッテリー寿命、スケーラビリティを制限することが明らかになった。
本記事では、制約 aware な構成計画を活用したヒューマンからロボットへの転移手法である Human2Any を紹介する。ソースにはそれ以上の詳細や本文は記載されていない。
AMDはWorld Labsを82億ドルで買収し、同社のAI空間知能機能と新しい「Atlas」オムニモデルアーキテクチャをポートフォリオに統合しました。
Black Forest Labsは、ロボット制御用の7Bパラメータ・オープンウェイト世界行動モデル（WAM）であるFLUX 3 Actionをリリースしました。このモデルはRoboLab-120リーダーボードで42.92%のタスク成功率を記録し、首位を獲得しています。
上海AI研究所は、動的環境で実行可能な予測を維持するように設計されたInternW物理世界モデルシリーズの最初のインスタンスであるInternW0を発表した。このモデルは、フローマッチングを用いた非対称なビデオ・アクションアーキテクチャにより、未来の視覚的ダイナミクスと連続的なロボットの制御を共同で学習する。
NVIDIA Warpを基盤とするMuJoCo Warp（MJWarp）は、互換性のあるMuJoCoモデルをGPUスケールで実行可能にし、1回の呼び出しで数百または数千の独立したシミュレーションワールドの展開を可能にします。このアーキテクチャは、単一の環境に対するレイテンシー最小化から集約スループットの向上へと焦点を移し、強化学習や大規模サンプリングに有利なものです。
著者らは、意図と行動を結びつけるコンパクトなセマンティックインターフェースを通じてビジョン・言語モデル（VLM）がロボットを制御できるようにするエンボディドハーネスであるShow-Harnessを発表します。このシステムはVLMの推論のために離散的なセマンティック行動ユニットを公開し、エンボディメント固有のインタプリタを使用してそれらをローカルロボットの行動に接地します。