标签: #foundation-models
关于 GPU、LLM、MLOps、Kubernetes 以及心态的文章 · 2 篇
Gemini Robotics 2 与机器人基础模型 —— 全身控制真正改变了什么
2026 年 7 月 30 日，Google DeepMind 发布了 Gemini Robotics 2，宣布用一个视觉-语言-动作模型来控制人形机器人，从脚尖到指尖一以贯之。有意思的是，随之公布的数字读起来不像是炫耀，反而更像是对当前状态的诚实记录 —— 拧开灯泡的成功率是 92%，拧上去是 36%，从地板上捡东西是 45.7%。本文梳理 VLA 到底是什么、全身控制为什么比上肢操作更难、跨具身泛化为什么才是真正的瓶颈，以及该怎样正
2026-07-31 · 22 分钟阅读 #ai#robotics#vla#foundation-models#evaluation机器人能看、能听、能动 — VLA 模型 RT-2 与 OpenVLA 评述
视觉-语言-行动(VLA)模型接收摄像头画面和自然语言指令,直接输出机器人的动作。本文以 RT-2、Open X-Embodiment、OpenVLA 为主线,梳理 VLA 范式的思路、架构、动作分词方式,以及优势与局限。
2026-06-27 · 24 分钟阅读 #ai-papers#robotics#vla#rt-2#openvla