资讯 · AI DISPATCH 能看懂的硬核
机器人看人学做事,成功率大涨
中性事实:机器人基础模型 Z-sight:看人类视频学做事
Z-sight 是把视觉-语言-动作模型与潜在世界模型结合的机器人基础模型:它直接在视觉 Token 空间里预测未来,不再逐像素重建画面;在 SIMPLE 基准上成功率 81.9%,比最强基线高 9.6 个百分点;六项 Unitree G1 人形机器人任务成功率 73.3%,高出 20 个百分点,每步决策约 110 毫秒;模型用人类视频与机器人轨迹共同训练,项目页已公开。
为什么重要
对关注家用机器人的普通用户,意味着机器人能直接看人类视频学会干活,离真正进家门又近了一步。
可以先做
想跟进具身智能路线的开发者,可去论文项目页查看实机演示与开源代码。
判断
看点是数据路线:用大量人类视频补机器人轨迹数据的稀缺。基准成绩仍属实验室环境,离家庭场景还有距离,先看演示再下结论。
可以先做:想跟进的开发者可去项目页看演示与代码。