搜索
基于预训练的 Cosmos-Predict2.5-2B，SkeLAM 使用总计约 10 小时的机器人交互数据进行训练。在人手到机器人的迁移实验中，输入换成人类演示，生成视频中的机械臂仍然呈现出与演示对应的运动方向。迁移时模型参数全部冻结，没有针对这些演示额外微调。
把一家冰淇淋店交给机器人，需要准备多少东西？
皮克斯最新3D渲染教程采用禾赛科技Kosmo采集的真实场景3DGS数据，禾赛称Kosmo可融合多传感器数据并输出3DGS、mesh和depth，为机器人训练提供物理AI数据终端。
英伟达联合MIT和牛津大学团队提出Physis-Lang，通过物理语言描述、自进化准则和能力导向的数据检索提升视频模型的物理理解与生成表现，其Cosmos3-Super和Cosmos3-Nano在Physics-IQ Verified分列第一、第二。
9 月 22 日，以 FLUX 图像模型闻名的 Black Forest Labs 跨界发布了开源 7B 世界动作模型 FLUX 3 Action。据其官方博客，该模型在英伟达 RoboLab-120 榜单上超过了此前最强的开源模型 Cosmos 3 Nano，参数量却不到后者一半。一家做图像生成的公司跑来卷机器人控制，说明视频模型里积累的「物理直觉」正被越来越多的团队当作机器人大脑的底座。
AMD以82亿美元全股票收购世界模型公司World Labs，文章解析世界模型从生成内容迈向生成可交互数字世界的技术路径与产业影响，梳理李飞飞的空间智能路线、杨立昆的JEPA架构以及谷歌Genie 3、英伟达Cosmos等巨头的不同押注方向。
6 月 1 日，老黄在 GTC 上用了不小的篇幅讲物理 AI 和具身智能，并重磅发布了 Cosmos 3。英伟达将其定义为面向 Physical AI 的最新前沿模型，也是全球首个完全开放的全能模型，原生具备视觉推理、世界生成和动作生成能力。
刚刚过去的GTC Taipei上，最备受关注的，莫过于Cosmos 3。
几个月后，这家非营利研究机构及其新拆分的商业实体 Edison Scientific 又发布了一套更强大的 AI 科学家系统 Kosmos。这个系统在单次运行中可以持续工作 12 至 48 小时，完成相当于人类科研团队数月才能完成的工作量，且其产出的发现中有近 80％ 经独立专家验证为准确。
半天干完6个月的活儿，AI科学家才是真卷王。