Sandbox-симулятор где ИИ-персонажи автономно общаются через языковые модели и развивают социальные связи
- Исследователи обучили робота ловким манипуляциям, анализируя 26 миллионов кадров обычных человеческих видео 
- Nike анонсировала первую в мире систему моторизированной обуви Project Amplify, которая помогает обычным спортсменам двигаться немного быстрее и дальше с меньшими усилиями 
- GSWorld объединяет 3D Gaussian Splatting с физическими движками для создания замкнутого цикла обучения роботизированных политик 
- Новый алгоритм C3+ ускорил решение контактных задач в 4-5 раз, позволив роботу манипулировать четырьмя объектами одновременно 
- Anthropic расширяет партнерство с Google Cloud: до 1 млн TPU, гигаватт мощности к 2026 году и рост крупных клиентов в 7 раз @ИИ
- Китайские техники сломали литографическую установку ASML при попытке reverse-engineering и были вынуждены вызывать голландских специалистов для ремонта 
- Новый метод LaViRA разбивает навигацию роботов на Language-Vision-Robot этапы без предварительного обучения. Точность 38.3% на VLN-CE превзошла конкурентов на 7.3%. Тестирование на реальных роботах подтвердило практичность 
- Новая система сочетает vision-language модели и reinforcement learning для автономной прокладки кабелей. 92.5% общий успех в длительных сценариях прокладки, превосходя лучший базовый метод почти на 50% 
- Новая архитектура заменяет предсказание пикселей на ответы о семантике будущего, показав рост эффективности с 14.4% до 81.6% 
- RISE позволяет роботам обучаться на неидеальных данных, используя бинарные награды и липшицеву непрерывность для восстановления до экспертных состояний 
- Китайские исследователи использовали суперкомпьютер Sunway* для масштабирования нейросетевой квантовой химии до размеров реальных молекул, соединяя ИИ и квантовую науку 
- MADR — новый фреймворк для обучения роботов безопасному поведению в условиях противодействия, достигший 98.9% успешности избежания препятствий. Испытан на дронах и наземных роботах 
- Исследователи из Гарвардского университета представили MoTVLA — модель с 14B параметров, которая переключается между быстрым и медленным рассуждением. Архитектура показала высокую эффективность в сложных задачах 
- Автономная система на базе машинного обучения и капиллярного захвата сортирует субмиллиметровые объекты с точностью позиционирования 157 ± 84 микрон. Успешность операций захвата и размещения составляет 90.4% 
 
  
  
  
  
  
  
  
  
  
  
  
  
  
  
 