摘要： GigaBrain-0是一种新型视觉-语言-动作（VLA）模型，通过世界模型生成的合成数据克服真实机器人数据采集的成本和多样性限制。该模型整合RGB-D输入增强空间感知，并引入具身思维链（Embodied CoT）框架，模拟人类推理过程以提升长时程任务和精细动作的决策能力。采用混合Transformer架构（SigLIP视觉编码器+Diffusion...

英伟达的Jim Fan认为，世界建模将成为新的预训练范式，预计在2026年对机器人和多模态AI领域产生重要影响。通过预测合理的世界状态，世界建模推动物理AI的发展，强调视觉推理的重要性，可能会改变机器人技术的基础。

本文提出HumanoidPF方法，用于解决人形机器人在杂乱室内场景中的无碰撞穿越问题。该方法通过构建人工势场（Humanoid Potential...

本文系统整理了一批具身智能相关的高质量数据集、在线教程、论文，为进一步学习和研究提供参考，欢迎前往 hyper.ai 探索更多优质资源！

其研究背景源于灵巧抓取在杂乱场景下的高成功率需求，特别是在未见过的物体、光照及背景组合下实现超过 90% 的成功率，此框架采用预训练的视觉-语言模型作为高层任务规划器，并学习基于扩散的策略作为低层行动控制器，其创新之处在于利用基础模型实现强大的泛化能力，并使用基于扩散的模仿学习获取灵巧行动。Fast-ThinkAct 通过从教师模型中蒸馏潜在...

MERISE是一种源于法国的结构化数据建模方法，强调IT应服务于业务。它通过分层的概念、逻辑和物理数据模型，帮助开发者与业务专家沟通，确保在编写SQL前验证业务规则，从而提高决策质量，减少架构错误和成本。

世界模型正驱动计算智能领域的重心逐渐从语言任务拓展至视觉与空间推理，通过构建动态三维环境的模拟能力，这些模型使智能体得以感知并与复杂场景交互，从而为具身智能、游戏开发等领域开启了新的研究与应用前景。该方法通过对齐教师模型与学生模型之间的记忆上下文，使学生模型在保持实时推理速度的同时，不丧失利用远程信息的能力，有效抑制误差偏移。为保障长期一致性，该模型设计了一种动态重构上下文记忆模块，能够重建...

世界模型正驱动计算智能领域的重心逐渐从语言任务拓展至视觉与空间推理，通过构建动态三维环境的模拟能力，这些模型使智能体得以感知并与复杂场景交互，从而为具身智能、游戏开发等领域开启了新的研究与应用前景。该方法通过对齐教师模型与学生模型之间的记忆上下文，使学生模型在保持实时推理速度的同时，不丧失利用远程信息的能力，有效抑制误差偏移。为保障长期一致性，该模型设计了一种动态重构上下文记忆模块，能够重建...

本次会议讨论了Project Babylon中的代码反射，展示了如何将Java代码符号化为Java代码模型，涵盖了基本方法、主要优点及潜在局限性。请查看JVMLS 2025播放列表。

来自华盛顿大学 David Baker 教授的研究团队开发了一种图神经网络 PLACER，能够基于小分子的原子组成与键合信息，精确生成多种有机小分子的结构；并在给定蛋白质宏观结构环境的情况下，为蛋白–小分子对接任务构建小分子与蛋白质侧链的详细结构。

苏黎世联邦理工学院、加州理工学院与阿尔伯塔大学等机构的联合团队提出了一种名为 NOBLE 的深度学习框架。它是首个通过人类大脑皮层实验数据来验证其性能的规模化深度学习框架，首次实现了直接从实验数据中学习神经元的非线性动力学行为，其模拟速度比传统数值求解器快出 4200 倍。

自驱动实验室系统提高了化学反应器设计的速度和精度，但现有研究缺乏针对几何参数的统一模型。针对不同体系间的通用性问题，来自西班牙 IMDEA 材料研究所的研究团队推出了 Reac-Discovery 半自主数字平台，基于周期性开孔结构，推出了先进催化反应器的创新解决方案。