Meta V-JEPA2模型
开启视频理解与机器人控制新纪元 V-JEPA2是由Meta推出的一款基于视频数据训练的世界模型，能够实现对物理世界的理解、预测和规划，并支持零样本机器人控制。
为人形机器人注入“物理常识”的通用大脑 宇树开源的UnifoLM-VLA-0是一个专为通用人形机器人设计的视觉-语言-动作基础模型，它通过在真实机器人操作数据上进行预训练，使模型获得了对物理世界交互规律的基本理解，标志着机器人大脑从“图文理解”迈向具备“物理常识”的具身智能。
数据统计
相关导航
Tnkr 平台
机器人界的 GitHub Tnkr 平台是一款整合硬件、软件、数据与 AI 模型的统一开源生态工具，旨在降低机器人研发门槛，让机器人研发更高效且易于协作，如同写代码般简单。
ComfyUI-AdvancedLivePortrait
一个开源的实时人像美化和背景替换工具，基于深度学习技术，为视频通话、直播和虚拟背景应用提供高级视觉效果。
DeepMCPAgent
一键建神级AI代理的开源工具 DeepMCPAgent是一个开源的MCP驱动代理框架，具备动态MCP工具发现机制和模型无关设计架构，主要应用于AI代理开发场景。
SignLLM
多语种手语生成模型 SignLLM 是全球首个多语种手语视频生成模型，能够将文本或语音指令实时转化为手语视频，为听障人士提供沟通新方式。
Step-Audio
阶跃开源的130B语音模型 一款强大的开源语音交互模型，能够实现语音识别、对话生成、情感克隆和多语言支持，为用户提供高质量的实时语音交互体验。
Kimi-Audio
开源音频基础模型 开源的音频基础模型，擅长音频理解、生成和对话，适用于多种音频处理任务。
无偏水印（Unbiased
Watermark） 该研究介绍了针对大型语言模型的无偏水印技术，表明可以添加水印而不影响生成文本的质量。研究提供了一个无偏水印的理论框架，确保输出不受水印的影响。这种方法为负责任的人工智能开发讨论提供了一个追踪和归因模型输出的方法，而不会牺牲质量。
暂无评论...