RoboTok:面向人类示范检索与灵巧操作学习的互联网规模数据引擎
RoboTok从网络视频中检索与操作相关的人类示范,用于训练灵巧机器人的操作策略。系统根据以行为主体为中心的三维手部轨迹学习潜在运动空间,使其能够在摄像机视角、场景外观和遮挡情况不同的条件下比较操作行为,同时支持对大规模视频集合进行高效搜索和持续索引。评估显示,RoboTok检索到的示范比现有方法更相关,并提升了机器人在后续操作任务中的成功率。
AI 新闻中心 过去24小时分析了 75 篇文章,发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。
RoboTok从网络视频中检索与操作相关的人类示范,用于训练灵巧机器人的操作策略。系统根据以行为主体为中心的三维手部轨迹学习潜在运动空间,使其能够在摄像机视角、场景外观和遮挡情况不同的条件下比较操作行为,同时支持对大规模视频集合进行高效搜索和持续索引。评估显示,RoboTok检索到的示范比现有方法更相关,并提升了机器人在后续操作任务中的成功率。
一项研究提出了开放词汇互信息(OVMI),这是一种基于信息论的指标,可在统一尺度上比较语音脑机接口。由于不同系统使用的数据集、记录方法、语音类型和词汇各不相同,现有性能数据难以直接比较。OVMI同时考虑用户可能希望表达的词语分布,以及解码器能够传递的信息量。研究显示,只针对系统支持的词语计算准确率和词错误率,可能高估系统实际传达用户意图的能力。通过选择能够最大化OVMI的词汇,在三个语音领域中,相
该研究分析了随机梯度下降(SGD)的动力学。SGD 已知会将深度神经网络引导至与更简单子网络相对应的不变集合。研究人员将随机梯度流建模为渗流过程:架构对称性使子网络以离散且同步的区块合并,而不是逐个合并。这些结构转变会在宏观序参量中表现为方差尖峰,类似物理学中的相变。在明确的重尾噪声模型下,研究还表明,这种俘获机制及其相关的尺度级联可以扩展到 Adam 和 AdamW。
戴尔新款 XPS 13 Air 已在中国京东独家开售,标准售价为 8499 元,叠加优惠券和政府补贴后到手价可低至 6799.15 元。这款铝制轻薄本重量约 1 千克,最厚处为 12.7 毫米。它配备 13.4 英寸 QHD+ 触控屏,支持 120Hz 自适应刷新率、500 尼特峰值亮度和 100% DCI-P3 色域。性能方面,机器搭载第三代英特尔酷睿 5 320 处理器,拥有 6 核心、英特尔
Last Translation Benchmark(LTB)是一套由人类编写并经过同行评审的文本、图像、音频和视频集合,用于揭示主流机器翻译模型的失败案例。随着传统翻译基准逐渐接近饱和,自动评估指标容易受到奖励劫持影响,也难以提供可执行的改进方向。LTB为每个样例配备人工制定的验证规则,具体说明可能出现的错误,从而支持更可靠、可复现且具有实际指导意义的后续评估。该基准是一个持续更新并接受新贡献的
OpenAI 首席执行官萨姆·奥尔特曼承认,9 月 3 日开始推出的 GPT-6 Astra 上线过程较为混乱。企业安全客户比 Pro 订阅用户更早获得访问权限,引发了原本期待首日使用的付费用户不满。作为补偿,OpenAI 表示,ChatGPT 付费用户每缺少一天 Astra 访问权限,就可获得一次额外的使用额度重置。OpenAI 宣称 Astra 是其迄今最智能的模型,并在电脑操作、浏览、软件工
开发者 Daniel Blanco 发布了“DLSS-NR for AMD”工具,可让搭载 RDNA 4 架构的 AMD 显卡运行英伟达 DLSS 5。该工具已在《赛博朋克 2077》和《GTA V:增强版》中完成测试,但目前性能仍不理想。在 Radeon RX 9070 XT 上,早期版本使《赛博朋克 2077》1080P 帧率从 80 多 FPS 降至约 11~12 FPS。据报道,Alpha
据《华尔街日报》援引消息人士报道,美国谈判人员去年提出,可帮助亚美尼亚一座数据中心获得英伟达先进人工智能芯片,以推动亚美尼亚与阿塞拜疆达成初步和平协议。该提议旨在协助结束持续数十年的冲突。报道内容来自消息人士,所述协议仍属初步安排,并不代表最终和平条约已经得到确认。
科沃斯在 IFA 2026 期间表示,公司已成为全球最大的家用机器人品牌。公司称,其产品已进入 180 个市场,覆盖超过 3,800 万户家庭。产品研发方面,科沃斯计划尽可能复用核心技术,再针对不同使用场景进行适配。目前其产品覆盖地面、窗户和草坪清洁,并通过 Ultramarine L1 Pro 进入泳池清洁领域。2026 年第二季度,国际市场收入占公司总营收的 51%。
据 The Information 报道及 Anthropic 的招聘信息,该公司正评估通过自建更多支付与计费基础设施,降低对 Stripe 等第三方服务商的依赖。Anthropic 的 Billing Platform 团队正在进行“自建还是采购”评估,以确定哪些金融功能继续使用外部服务,哪些底层能力需要内部开发。相关工作包括定价、用量计量、支付、合同与权益管理、收入对账、促销、异常使用识别和催
华硕在中国推出无畏 14 酷睿版的新配置,配备 24GB 内存和 512GB 固态硬盘,售价 6499 元,计划于 9 月 10 日开售。该机搭载英特尔酷睿 Ultra 5 325 处理器、Xe3 集成显卡和 47 TOPS NPU。其他配置包括 14 英寸 2.5K IPS 屏幕、最高 144Hz 可变刷新率、70Wh 电池、雷电 4 接口,以及约 1.25kg 的全金属机身。华硕官方称其视频播
根据微软提交的法庭文件,一名由出版商聘请的专家发现,在820万条Copilot聊天记录中,约6万条包含至少16个与新闻内容重合的词语,占比不足1%。这项分析是围绕微软人工智能助手是否复现受版权保护的新闻内容而展开的法律纠纷的一部分。
继 Ox Alpha 被确认是原生多模态模型 GLM-5.3-Flash 后,另一款名为 Omen Alpha 的模型于 9 月 4 日上线 OpenCode Go 订阅计划。OpenCode 数据页将其文件路径归入“zhipu”等线索,显示该模型可能来自中国 AI 公司智谱 AI。Omen Alpha 目前仅向每月支付 10 美元的 Go 订阅用户开放,并额外提供 100 美元的使用额度。平台限
谷歌宣布在 Gemini 应用和 Gemini API 中推出音乐生成模型 Lyria 3.5。该模型可生成包含多段副歌和桥段、时长数分钟的完整歌曲,并通过 Google AI Studio、Vertex AI 及 Gemini API 向开发者开放。Lyria 3 Clip 则继续用于生成循环和预览所需的 30 秒片段。两种模型默认输出 MP3 音频,Lyria 3.5 还支持 WAV。开发者可
机器人数据初创公司XDOF据报道在结束隐身模式仅三个月后,就开始洽谈B轮融资。此次融资谈判对公司的估值为12亿美元,但计划融资金额目前尚未披露。