今日两条信号并行:OpenAI 撤销独立机器人团队,转向 GPT-6、谷歌 Astra 等通用模型;NVIDIA SOMA 发布重定向器,把人类运动数据适配到人形机器人。通用模型与运动数据工具链正在取代单一硬件堆叠。
波士顿动力 Atlas 换装轮子并由学习控制器驱动,演示依旧热闹,但「模型打穿硬件」是真信号还是成本妥协,仍需观察真实世界迁移。
OpenAI 撤销独立机器人团队,转向通用模型;NVIDIA 发布 SOMA 运动重定向器;IEEE 视频集展示 Atlas 轮式学习控制。信号是:具身智能正转向模型驱动与运动数据迁移,竞争焦点变为可规模化的工具与数据。
今日两条信号并行:OpenAI 撤销独立机器人团队,转向 GPT-6、谷歌 Astra 等通用模型;NVIDIA SOMA 发布重定向器,把人类运动数据适配到人形机器人。通用模型与运动数据工具链正在取代单一硬件堆叠。
波士顿动力 Atlas 换装轮子并由学习控制器驱动,演示依旧热闹,但「模型打穿硬件」是真信号还是成本妥协,仍需观察真实世界迁移。
据报道,OpenAI 已撤销独立机器人团队,转向 GPT-6、谷歌 Astra 等通用模型,讨论大模型能否在测试与仿真中「打穿」硬件。关键点:放弃专用团队,强调模型复用,实为战略收缩与能力外溢。
NVIDIA 发布 SOMA 重定向器,将人类关节运动适配到人形机器人,解决比例、关节限制与运动范围差异。人类运动演示可作为训练起点。技术点:以重定向替代逐点复制,降低 sim-to-real 偏差。
IEEE Spectrum 视频集显示,波士顿动力 Atlas 加装轮子,由学习控制器驱动;NASA 月球车复用成熟硬件;DARPA 实现首次在轨自动化装配。说明平台与控制方法快速迭代,但多为阶段性演示。
据报道,OpenAI已撤销独立机器人团队,转向通过通用大模型推动具身智能发展。文章探讨了通用模型(如GPT-6、谷歌Astra)是否能够「打穿」具身智能
研究员注:💭 观察到基础模型公司资源向通用能力倾斜,专用硬件团队被边缘化;但真机数据闭环仍是短期短板。
NVIDIA开发者博客介绍SOMA重定向器,可将人类运动数据适配到人形机器人,解决机器人因比例、关节结构和运动范围差异无法直接复制人类动作的问题
研究员注:💭 SOMA 属于人形机器人数据pipeline的前处理环节,能降低收集人类演示的门槛,但 sim-to-real gap 仍需验证。