新闻资讯7

谷歌 DeepMind 发布机器人学基础模型

InfoQ2025-07-20

AI 摘要

谷歌 DeepMind 推出 Gemini Robotics On-Device，可本地运行、低延迟、能微调。它是家族最新版，还发布基准测试。测试显示其表现佳，虽未广泛可用，但可注册等待，SDK 在 GitHub 可找。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

UniSteer：人类指导让 VLA 强化学习更高效

视觉 - 语言 - 动作模型（VLA）是机器人操作重要基础模型，但复杂任务成功率低，真机强化学习成本高。微软等机构研究者提出 UniSteer，将人类纠正转换成噪声监督，在多任务测试中提升了成功率。

8月25日，Google Cloud发布Gemini Enterprise for Legal面向律所和企业法务团队开放预览。它想解决让模型进入律所现有工作系统，不打乱权限等规则的问题，通过MCP连接系统并继承权限，还组织各方合作。

华为诺亚方舟实验室发布 RoboHarness 系统，解决不同策略协作问题。它将独立控制系统封装成可调度技能，由 Coding Agent 决策，还设计辅助技能和 Memory Bridge 模块，促进策略协同，推动具身智能发展。

视觉-语言-动作（VLA）模型是端到端自动驾驶主流技术，但自回归解码架构有瓶颈。复旦大学与引望智能联合提出WAM-Diff2，实现自回归VLA向离散扩散模型迁移，解码加速15.1倍，多任务性能不降。