开源动态8

RoboOmni：让机器人听懂“潜台词”

机器之心2025-11-11

AI 摘要

复旦等联合发布RoboOmni模型，重新定义机器人交互“情境指令”范式。它通过全模态端到端架构，让机器人“察言观色”，还构建OmniAction数据集。实验显示其性能远超传统方案，实现从指令执行到主动服务转变。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

NTU推Hand2World，让世界模型实现手势交互

南洋理工大学MMLab团队推出Hand2World，让AI世界模型能真正互动。它摒弃旧有遮挡误导，用3D手部结构与射线编码解耦手与头运动，实现闭环持续交互，基于单目视频全自动标注，为AR、机器人交互铺路。

复旦大学邱锡鹏团队等发布全新操作框架 RoboOmni，突破传统 VLA 依赖显式指令局限。它融合多模态信号，构建数据集，在成功率等方面超基线，以跨模态指令让机器人主动推断意图，开启具身智能‘共情时代’。

本文编译自Pi团队播客访谈，Pi迎来1.0大更新，推出全新长时持久Agent框架Pi Durable，正式接入此前骂了一年的MCP协议，深度讨论AI编程能力边界与未来方向。

本文介绍GitHub上3.6K星的开源项目GordenPPTSkill，解决当前AI PPT工具生成不可编辑“假PPT”的痛点，直接生成原生可编辑PPTX，自带21套中文场景模板，适配各类职场汇报需求。