Jim Fan 转发 Seonghyeon Ye 详解：让机器人拥有"想象力"
Seonghyeon Ye 发布深度解读，介绍团队给机器人赋予"想象力"：机器人通过"梦见"未来结果再行动将其实现。演示中的机器人未经过解鞋带或握手训练，此前从未见过这些任务。Jim Fan 转发了该推文线程并附上链接。
#具身智能
#具身智能
今日 7 条Jim Fan(@DrJimFan)AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Jim Fan(@DrJimFan)AI 评估 · 48/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 48/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 NVIDIA DreamZero：14B 世界动作模型，单次扩散前向同时预测视频与动作
NVIDIA 推出 14B 世界动作模型 DreamZero，在同一扩散前向过程中联合预测视频与动作，实现对未见任务的零样本泛化和对新机器人的少样本适配。该模型由 NVIDIA 团队完成，作者 Joel Jang 发布了详细介绍。
Jim Fan(@DrJimFan)AI 评估 · 63/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 63/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Jim Fan 团队提出 DreamZero 世界动作模型，实现零样本开放世界提示
Jim Fan 团队训练出名为 DreamZero 的机器人基础模型，以世界模型为骨干，具备对新动词、名词和环境的零样本开放世界提示能力，被称为首个 World Action Model（WAM）。
Fei-Fei Li(@drfeifei)AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 李飞飞：机器人空间智能要从 3D/4D 世界学习，World Labs 探索用生成式 3D 世界破解机器人训练瓶颈
李飞飞表示，让机器人在物理世界更好帮助人，起点是让它们从无限多样复杂的 3D/4D 环境中学习、变得更具空间智能。她旗下的 World Labs 正在探索用生成式 3D 世界减少人工仿真搭建，从而实现更广泛、更真实的机器人评估。World Labs 认为世界生成是机器人领域的一大瓶颈。
Fei-Fei Li(@drfeifei)AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 李飞飞团队推出 PointWorld-1B：从单张图像实时模拟交互式 3D 世界
斯坦福与 NVIDIA 的研究者发布 PointWorld-1B，一个大规模预训练 3D 世界模型，可根据 RGB-D 采集和机器人动作预测环境动态。该模型旨在从单张图像实时模拟交互式 3D 世界，用于在动态复杂环境中学习机器人动作。项目主页为 point-world.github.io。
Jim Fan(@DrJimFan)AI 评估 · 12/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 12/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Jim Fan：从今往后每年都将是机器人元年
Jim Fan 称从今往后每年都将是机器人元年，认为 opus 4.5/nanobanana 带来的震撼在原子世界面前只是开始，并建议大家趁 LLM 这趟列车还在时尽情享受，自己则准备登上下一艘火箭。
Jim Fan(@DrJimFan)AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Jim Fan 谈 2025 机器人领域的三大焦虑：硬件先于软件、基准测试混乱、VLM 式 VLA 路线存疑
Jim Fan 分享 2025 年机器人领域的三个教训：硬件已跑在软件前面，但可靠性严重拖慢软件迭代，Optimus、Figure、G1 等前沿硬件的身体能力强于大脑能指挥的程度；机器人基准测试仍一片混乱，硬件平台、任务定义、评分标准、仿真环境都无共识；基于 VLM 的 VLA 路线可能走偏，VLM 参数多用于语言与知识而非物理，视觉编码器还会主动丢弃精细细节。
语言即世界language is worldAI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 独家对话 DeepMind 谭捷：机器人、世界模型与 Google
Google DeepMind 机器人团队高级研究科学家兼技术负责人谭捷接受张小珺访谈，回顾其从图形学转向机器人、在 Google 第一篇 sim-to-real 强化学习论文，以及团队从 10 人扩至 150 人的过程。
此话当真AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 对话戎思佳：全网首个体感通关《黑神话》的游戏主播，用一枚 USB 挥手击败 Boss
Action&Link（动御科技）创始人戎思佳成为全网体感通关《黑神话》第一人，元旦当天其 B 站直播间冲上游戏区 Top1。他把自动驾驶中「视觉信号输入、控制信号输出」的技术迁移到游戏，用一枚 USB 实现体感操控，全球首款入门级全身体感游戏外设 Action&Link Portal 即将正式发布并已开放预约。
此话当真AI 评估 · 37/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 37/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 对话潘韫哲：舞肌科技 Wuji Hand 1.0 灵巧手与被低估的触觉
舞肌科技 9 月 17 日发布 Wuji Hand 1.0 灵巧手，单手重 550g，采用 20DoF 全直驱高度集成设计，创始人潘韫哲认为 20DoF 是拟人化操作的黄金分水岭。他在访谈中称触觉是具身智能中被低估的问题，与 CMOS 传感器同等重要，并强调硬件产品必须一轮轮试产才能暴露问题。
OnBoard!AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 EP 55. 对话UCSD副教授苏昊：从学术到创业，深度解读具身智能的实现路径
OnBoard! 播客第55期对话 UCSD 计算机科学副教授苏昊，他同时是智能机器人创业公司 Hillbot 的联合创始人兼CTO。节目围绕大模型如何影响具身智能的技术路径、机器人数据采集与示范学习、模拟器与 sim2real 等问题展开，苏昊还介绍了自己的创业项目 Hillbot。
Lilian Weng — Lil’LogAI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 面向 Sim2Real 迁移的域随机化（Domain Randomization）方法解析
域随机化（DR）通过在仿真器中随机化视觉外观与物理动力学参数（如质量、摩擦、阻尼、关节限位、动作延迟），让策略在多样环境中训练，从而迁移到真实世界。相比需要真实数据的域适应，DR 几乎不需要真实样本；OpenAI Robotics 用视觉与动力学 DR 让机械手完成连续旋转物体的 50 次连续随机目标朝向任务。文章还把 DR 的随机化参数学习视为一种双层优化问题。
Berkeley AI Research(@berkeley_ai)AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 BAIR 用真实机器人实现样本高效多任务深度强化学习
BAIR 提出让智能体自行设定目标并自主练习达成，从而直接从像素输入在真实机器人上实现样本高效的多任务深度强化学习。该工作由 Vitchyr 与 Ashvin Nair 在 BAIR 博客中介绍。