站长之家（ChinaZ.com）7月31日 消息:谷歌 DeepMind 推出全新的视觉 - 语言 - 动作模型（VLA），命名为 Robotic Transformer2(RT-2)。这个模型可以与机器人互动，通过学习网络和机器人数据，将知识转化为有效的指令。
RT-2是 RT-1的升级版，基于 Transformer 构建，具有更好的性能和泛化能力。RT-2还在一系列的定性和定量实验中展示出惊人的学习和理解能力，能够执行基本推理和多阶段的语义推理。通过与思维链推理结合，RT-2可以学习长期规划和低级技能，执行更复杂的命令。
研究人员观察到，与之前的基线模型相比，RT-2的泛化性能提高了3倍以上。RT-2的成功展示了视觉语言模型转化为视觉语言动作模型的潜力，为构建通用实体机器人提供了前景。
论文地址:https://robotics-transformer2.github.io/assets/rt2.pdf
（举报）
11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！
腾讯云
12-20
谷歌的AI聊天机器人Bard最近获得了更新，增加了对Gmail、Docs和Drive等谷歌应用的插件支持。更新后的谷歌Bard支持的应用插件可以实时获取来自谷歌地图、YouTube、酒店和航班等应用的信息，并允许用户随时关闭。除了插件支持外，谷歌Bard还增加了一项公共链接分享功能，使用户能够将与Bard的对话分享给其他人，他们可以在自己的设备上继续与Bard对话。
阿宁在酒店点了一份外卖，外卖员称已经放到酒店大堂，一会送上来。客房的电话响起，里面传来AI提示开门的声音。应受访者要求，文中阿宁、徐远为化名。
谷歌近日发布了最新版本的安卓系统安卓14，这标志着各大手机厂商的升级也将会陆续到来。为了庆祝这一重要时刻，谷歌公布了一座新雕像，以此纪念安卓14。新版安卓品牌的标识同样发生了变化，变成了一款更具3D感的机器人形象。
全球商用服务机器人的领导者普渡科技宣布与软银机器人正式达成战略合作，携手共创商用服务机器人新未来。通过此次合作，普渡科技在配送机器人和清洁机器人品类的产品技术优势将与软银机器人在日本市场的专业知识强强联合，实现共赢。作为一家机器人集成商，我们正在利用这些无与伦比的资源，以满足所有希望机器人成功的开发者的需求，以及渴望采用机器人的用�
近几个月来，谷歌母公司Alphabet一直在对其AI聊天机器人Bard进行内部讨论，特别邀请重度使用者参与。内部员工开始质疑Bard的有效性和功能，引发了有关投入海量资源是否值得的疑虑。谷歌内部员工对Bard的有效性和价值提出了质疑，这对谷歌来说是一项严峻的挑战，尤其是在竞争日益激烈的AI领域。
图灵奖得主、深度学习之父GeoffreyHinton的下一程，定了!刚刚，Hinton亲自宣布，将加入机器人初创公司VayuRobotics，担任顾问一职。网友们一水儿的Congratulations!还有人说，这回机器人管家更有希望了。已经75岁的Hinton显然还没打算退休，要在把控AI道德和风险的道路上继续身体力行。
人形机器人，大众对他的理解，往往还存在于科幻影片中，无论是《变形金刚》、《终结者》、《机械战警》等汇聚各种材料、各种类型的人形机器人火爆激战场面的电影是《人工智能》、《真实世界》、《铁甲钢拳》等将人形机器人赋予人类情感的影片，人形机器人都是科幻电影的主角，代表着未来各项尖端科技汇聚的最高成果。人形机器人被国际上视作衡量国家科技创新能力、高端制造业水平和产业竞争力的重要标志之一，被誉为“机器人皇冠上的明珠”。伟景智能将紧紧抓住这个跨时代的历史机遇，沉下心来认真打磨技术与产品，为梦想、为世界带来更多的关于人形机器人赛道的“iPhone时刻”！
AI，似乎已经成为未来互联网战场的入场券。俯瞰国内当下的AI产业发展，对于互联网科技企业们来说，大致有两条入局路径。但回到现实，监管引导、伦理问题等讨论仍将持续一段时间。
快科技9月19日消息，在一场直播活动中，原推特（X）平台老板马斯克被问及如何防止机器人大军”在X平台上放大仇恨言论，他表示，这是一个超级棘手的问题，为此，该平台将要求用户每月支付少量费用。马斯克表示，目前，X平台提供免费和付费两种层级的服务，在这样的系统下，机器人的运营成本很低，仅为一分钱的一小部分”，如果让某人支付几美元使用该服务，会使�
周一当地时间，特斯拉CEO、社交平台X（原推特）的拥有者埃隆马斯克透露了可能向X的所有用户征收订阅费的想法。他认为，社交平台X（原推特）应该每月向用户收取一定的费用，以打击该平台上的机器人和垃圾邮件。目前还不确定这一言论是真心话还是随口说说。 马斯克表示，现在，X平台提供免费和付费两种级别的服务，在这样的系统下，机器人的运行成本很低，“只有一
WebLlama是一个基于Meta Llama 3构建的代理，专门为网页导航和对话进行了微调。它旨在构建有效的以人为中心的代理，帮助用户浏览网页，而不是取代用户。该模型在WebLINX基准测试中超越了GPT-4V（零样本）18%，展示了其在网页导航任务中的卓越性能。
GitHub Copilot for Infrastructure as Code（简称Infra Copilot）是一个利用机器学习技术帮助基础设施专业人员自动生成精确基础设施代码的工具。它通过理解基础设施任务的上下文，允许专业人员使用自然语言表达需求，并接收相应的代码建议。Infra Copilot不仅简化了基础设施即代码（IaC）的开发过程，还确保了跨环境和项目的一致性，加速了新团队成员的上手和学习过程，显著提高了工作效率并节约了时间。
LLaVA++是一个开源项目，旨在通过集成Phi-3和LLaMA-3模型来扩展LLaVA模型的视觉能力。该项目由Mohamed bin Zayed University of AI (MBZUAI)的研究人员开发，通过结合最新的大型语言模型，增强了模型在遵循指令和学术任务导向数据集上的表现。
PhysDreamer是一个基于物理的方法，它通过利用视频生成模型学习到的对象动力学先验，为静态3D对象赋予交互式动力学。这种方法允许在缺乏真实物体物理属性数据的情况下，模拟出对新颖交互（如外力或代理操作）的真实反应。PhysDreamer通过用户研究评估合成交互的真实性，推动了更吸引人和真实的虚拟体验的发展。
AI快站是一个为AI开发者设计的服务平台，提供HuggingFace模型的免费加速下载，解决大模型下载缓慢和断开的问题，支持高达4M/s的下载速度，大幅减少等待时间，提高开发效率。
Llama-3 8B Instruct 262k是一款由Gradient AI团队开发的文本生成模型，它扩展了LLama-3 8B的上下文长度至超过160K，展示了SOTA（State of the Art）大型语言模型在学习长文本操作时的潜力。该模型通过适当的调整RoPE theta参数，并结合NTK-aware插值和数据驱动的优化技术，实现了在长文本上的高效学习。此外，它还基于EasyContext Blockwise RingAttention库构建，以支持在高性能硬件上的可扩展和高效训练。
CoreNet 是一个深度神经网络工具包，使研究人员和工程师能够训练标准和新颖的小型和大型规模模型，用于各种任务，包括基础模型（例如 CLIP 和 LLM）、对象分类、对象检测和语义分割。
Llama中文社区是一个专注于Llama模型在中文方面的优化和上层建设的技术社区。社区提供基于大规模中文数据的预训练模型，并对Llama2和Llama3模型进行持续的中文能力迭代升级。社区拥有高级工程师团队支持，丰富的社区活动，以及开放共享的合作环境，旨在推动中文自然语言处理技术的发展。
Interactive3D是一个先进的3D生成模型，它通过交互式设计为用户提供了精确的控制能力。该模型采用两阶段级联结构，利用不同的3D表示方法，允许用户在生成过程的任何中间步骤进行修改和引导。它的重要性在于能够实现用户对3D模型生成过程的精细控制，从而创造出满足特定需求的高质量3D模型。
GraphRAG (Graphs + Retrieval Augmented Generation) 是一种通过结合文本提取、网络分析以及大型语言模型（LLM）的提示和总结，来丰富理解文本数据集的技术。该技术即将在GitHub上开源，是微软研究项目的一部分，旨在通过先进的算法提升文本数据的处理和分析能力。
Qwen1.5-110B是Qwen1.5系列中规模最大的模型，拥有1100亿参数，支持多语言，采用高效的Transformer解码器架构，并包含分组查询注意力（GQA），在模型推理时更加高效。它在基础能力评估中与Meta-Llama3-70B相媲美，在Chat评估中表现出色，包括MT-Bench和AlpacaEval 2.0。该模型的发布展示了在模型规模扩展方面的巨大潜力，并且预示着未来通过扩展数据和模型规模，可以获得更大的性能提升。
ID-Aligner 是一种用于增强身份保留文本到图像生成的反馈学习框架，它通过奖励反馈学习来解决身份特征保持、生成图像的审美吸引力以及与LoRA和Adapter方法的兼容性问题。该方法利用面部检测和识别模型的反馈来提高生成的身份保留，并通过人类标注偏好数据和自动构建的反馈来提供审美调整信号。ID-Aligner 适用于LoRA和Adapter模型，通过广泛的实验验证了其有效性。
Bundle of Joy是一个为准父母设计的应用程序，可以在几秒钟内为他们的新生儿浏览和筛选名字。该应用根据父母的偏好推荐名字，并根据父母的喜好进行学习，为他们提供适合他们口味的新的推荐。父母可以指示宝宝的性别，然后选择以下两个选项之一：名字的首选来源、宗教、主题、首字母和含义。他们开始根据自己的独特偏好获得漂亮的宝宝名字推荐。他们可以随时修改这些偏好，并继续根据自己的口味获得新鲜的推荐。
StudyBoosterAI通过AI技术提供个性化支持，包括定制化学习材料、生动的学习内容、个性化学习计划等，帮助学生更有效地学习和记忆知识。
SNAPVID是一款智能视频编辑工具，利用AI技术提供多个热门视频剪辑建议，用户只需点击一次即可创建多个病毒式视频剪辑。同时，用户可以根据需要自定义剪辑长度和风格，并添加自定义的字幕和动画表情。SNAPVID还支持批量导出和品牌定制，使用户能够轻松导出自己喜欢的视频剪辑并保存项目设置，方便在多个项目中复用。通过AI B Roll技术，SNAPVID还可以自动添加相关的库存视频，提升视频的沉浸感。
Blue Saturn是一款招聘辅助工具，通过即时验证器帮助中型和大型组织验证大量申请者。它可以分析数百个申请者的信息，在不到1分钟内提供全面的报告和排名。Blue Saturn的主要优点是快速验证、全面报告和智能招聘。
Vidu是由生数科技联合清华大学发布的中国首个长时长、高一致性、高动态性视频大模型。该模型采用原创的Diffusion与Transformer融合的架构U-ViT，支持一键生成长达16秒、分辨率高达1080P的高清视频内容。Vidu不仅能够模拟真实物理世界，还拥有丰富想象力，具备多镜头生成、时空一致性高等特点。其快速突破源自于团队在贝叶斯机器学习和多模态大模型的长期积累和多项原创性成果。Vidu的问世代表了生数科技在多模态原生大模型领域的持续创新能力和领先性，面向未来，灵活架构将能够兼容更广泛的模态，进一步拓展多模态通用能力的边界。
Fusion OS是一个营销活动的增强平台，通过使用AI在同一天内生成并发布营销活动，极大地提高了活动的效率。它可以根据客户的要求生成营销文案和创意，为多个渠道生成适应的尺寸，同时还可以生成可编辑的Adobe Photoshop文件，包括分层文本、高分辨率产品、背景等。Fusion OS还提供实时协作功能，让团队成员可以在同一个地方进行协作，并连接现有的工具，集中管理数据和提供AI驱动的增长建议。
LinkedIn TLDR是一个免费的工具，可以将冗长的LinkedIn帖子转化为简洁的幽默摘要，非常适合快速、有洞察力和高效浏览。
AI年龄识别工具利用先进的人工智能技术，通过分析面部特征（如皱纹、肤质和面部特征的形状），将其与庞大的数据集进行比对，估计您的年龄。通过科学近似，我们能够猜测您看起来多大。该工具的主要优点是准确性高、隐私保护好，免费使用。
