跨具身跨任务导航基础模型
深度2025年9月15日53 分钟阅读
最有趣的发现是NavFoM通过标识符令牌统一处理不同相机配置和任务时间跨度，在有限令牌长度下采用动态采样策略，实现了跨具身形态和任务的零样本泛化。人工智能研究者、机器人工程师及自动驾驶开发者应阅读本文，了解如何构建通用导航基础模型。
本文编译自 Embodied Navigation Foundation Model，版权归原作者所有。
觉得有用？分享给更多人
相关文章
Genie 4 用多个 Gemini 模型驱动，能实时生成可交互的物理环境，并演示了让 Apptronik Apollo 人形机器人在模拟世界里下跳棋。问题在于长时间运行会出物理错误，Google 也没公布重复测试的基准数据，目前仅向可信测试者开放。
深度The New Stack·10月27日·3 分钟
美国银行在“保护您在AI世界中的财务”邮件中警告客户，不要将银行凭证分享给AI助手或代理工具。随着个人AI助手流行，客户越来越倾向于交出登录信息，但这可能导致财务损失、账户被锁或凭证泄露。多数银行的账户协议规定，客户需对授权访问产生的活动负责。
深度·10月27日·3 分钟