Skip to content
Agientry
← 标签

#多模态 (15)

瀑布流分页
WITA-Omni驱动A3舞台实时互动
0:46

WITA-Omni驱动A3舞台实时互动

@techniahqrobot · 146次播放 · 2026-09-20
人形机器人智元多模态
通用多模态大模型能担任机器人高层智能吗？
0:43

通用多模态大模型能担任机器人高层智能吗？

@Sentdex · 491次播放 · 2026-09-03
视觉语言动作模型大语言模型多模态
ACE-Data-0同步多模态具身数据集发布
2:15

ACE-Data-0同步多模态具身数据集发布

@yukangcao · 1053次播放 · 2026-07-31
ACEACE-Data-0具身智能
Google Gemini智能体视频理解API
0:24

Google Gemini智能体视频理解API

@Gorden_Sun · 221次播放 · 2026-09-02
谷歌GeminiAgentic video understanding
World Labs Atlas空间智能世界模型
1:26

World Labs Atlas空间智能世界模型

@theworldlabs · 316次播放 · 2026-09-01
AtlasWorld Labs世界模型
Arkshel MX01可变形机器人
0:46

Arkshel MX01可变形机器人

@techniahqrobot · 126次播放 · 2026-08-13
可变形机器人ArkshelMX01
SuperTac：受鸽子视觉启发的仿生多模态触觉传感器

SuperTac：受鸽子视觉启发的仿生多模态触觉传感器

Nature Sensors 发表 SuperTac 触觉传感器研究：受鸽子多光谱视觉启发，集成多光谱成像、摩擦电和惯性传感于 1mm 厚皮肤中，实现力（0.06N）、位置（0.4mm）、温度、接近度、振动等多模态高精度感知，纹理/材质/颜色分类达 94-100%。配套 DOVE 触觉语言模型实现自然语言触觉理解。

博客

SuperTacDOVEe-skin触觉感知机器人传感器
阿里推出Wan 3.0视频生成模型
0:15

阿里推出Wan 3.0视频生成模型

@0xmomonifty · 115次播放 · 2026-08-07
Wan 3.0人工智能视频生成
微软Fara 1.5 computer-use模型(4B/9B/27B)
0:19

微软Fara 1.5 computer-use模型(4B/9B/27B)

@HuggingApps · 93次播放 · 2026-07-28
Computer UseGUI Agent多模态
智元WITA-Omni模型登顶DailyOmni评测榜首
1:43

智元WITA-Omni模型登顶DailyOmni评测榜首

@aarai666 · 83次播放 · 2026-07-28
Omni Model多模态具身智能
Geo3R:缓解多模态大模型空间推理幻觉

Geo3R:缓解多模态大模型空间推理幻觉

多模态大模型在视觉理解上进展显著但存在空间推理幻觉,Geo3R 通过几何关系缓解该问题。

Mingyu Wang, Weilin Jin, Wenbo Li2026年7月23日
空间推理多模态幻觉2026年7月23日
从零开始的规模化原生多模态预训练

从零开始的规模化原生多模态预训练

大规模语言模型能力强,本文研究从零开始的原生多模态预训练的规模化方法。

Haoyuan Wu, Aoqi Wu, Hai Wang2026年7月24日
多模态Pre-Training原生2026年7月24日
Vivix-A1：实时交互多模态AI角色模型
1:17

Vivix-A1：实时交互多模态AI角色模型

@VivixLabs_HQ · 95次播放 · 2026-07-24
人工智能多模态Character
通过延迟感知引导融合的异步多模态扩散策略组合

通过延迟感知引导融合的异步多模态扩散策略组合

本文提出异步多模态扩散策略组合方法,通过延迟感知引导融合,解决多模态传感延迟下的策略执行问题。

Zihao He, Hongjie Fang, Shirun Tang2026年7月19日
扩散策略多模态延迟2026年7月19日
FLUX 3:Black Forest Labs发布真实世界模型
0:46

FLUX 3:Black Forest Labs发布真实世界模型

@shao__meng · 180次播放 · 2026-07-24
FLUX 3Black Forest Labs世界模型