本文介绍了NaVid，一个用于视觉与语言导航的新模型。NaVid通过视频输入和自然语言指令，在连续环境中导航，无需地图或深度信息。该模型结合预训练的视觉编码器和大型语言模型，实现高效的动作规划，展现出优越的泛化能力和鲁棒性，尤其在仿真到现实的应用中表现突出。

LeCun团队推出PEVA模型，实现了16秒的连贯场景预测，赋予机器人具身智能，能够主动理解环境。该模型通过结构化动作表示和条件扩散Transformer，模拟人类预判能力，提升智能体的动作规划和视觉生成，标志着AI从“人工智障”向“人工预判”的进化。

本研究提出了以技能为中心的框架MOSAIC，旨在解决机器人和人工智能领域的长时间跨度动作规划问题。该框架通过整合技能生成与连接，系统化探索技能组合，有效应对复杂任务，展现出重要的应用潜力。

智元机器人推出的EnerVerse架构结合自回归扩散模型，显著提升了机器人在具身智能领域的动作规划能力。通过稀疏记忆机制和自由锚定视角，EnerVerse在4D生成和动作规划任务中达到了当前的最先进水平，展现出优越的性能和逻辑合理性。

该研究论文介绍了一种新颖的超声波融入智能系统，提高了超声波机器人的智能和操作效率，实现了精确的动作规划，并展示了医学程序执行效果的显著改进。该系统提高了超声波扫描的效率和质量，为自主医学扫描技术的发展奠定了基础。