NVIDIA更新了Cosmos模型，支持生成物理AI所需的合成数据，帮助开发者在模拟环境中训练机器人，从而加速AI开发并提升机器人在真实场景中的表现。

麻省理工学院的研究人员开发了一种“可引导场景生成”方法，利用扩散模型和蒙特卡洛树搜索生成多样化的3D训练环境，以提升聊天机器人如ChatGPT和Claude的操作能力。研究表明，该方法在场景生成的准确率上显著优于传统方法，未来有望应用于更复杂的机器人训练。

MIT和NVIDIA的研究人员开发了HART工具，结合自回归模型与扩散模型，能够快速生成高质量图像。HART的速度比传统扩散模型快九倍，适用于机器人训练和游戏设计等多个领域。

智元机器人推出ViLLA架构和GO-1大模型，提升机器人训练效率。ViLLA通过预测隐式动作标记，帮助机器人理解人类视频并执行任务。GO-1结合多模态输入，具备强大的迁移学习能力，能快速适应新场景，提高成功率。

MIT CSAIL研究人员开发了一种名为RialTo的方法，可以使用从真实场景创建的数字孪生训练机器人在特定环境中。用户可以使用手机扫描目标环境并进行调整，然后将其上传到RialTo的界面。系统根据真实世界的行动和观察开发策略，并在模拟和真实环境中进行测试。测试表明，RialTo为各种任务创建了强大的策略，比模仿学习提高了67%。研究人员正在努力提高模型对新环境的适应性并减少训练时间。