Microsoft Research publie une étude systématique montrant que déporter l'inférence d'IA physique hors du robot.
Motif de la recommandation :L'étude quantifie les gains de déport de l'inférence sur la réussite des tâches et l'autonomie des robots, avec un outillage Kubernetes open source associé.
Google Research présente AgentHands, un prototype de recherche publié à CHI 2026 qui dote les agents IA de gestes de main synchronisés à la parole pour des conversations ancrées spatialement en XR. Le système s'appuie sur une taxonomie multidimensionnelle (latéralité et forme du geste, spatialité, dynamique temporelle et VFX) et sur une bibliothèque de gestes répartis en trois catégories sémantiques : déictiques, iconiques et expressifs. Une étude intra-sujets (N = 12) comparant AgentHands à une baseline vocale seule, sur des tâches de soin d'orchidée et d'utilisation d'une imprimante 3D, confirme des gains significatifs en ancrage spatial.
Microsoft Research présente MindTopo, un benchmark évaluant le raisonnement topologique des modèles multimodaux autour de cinq catégories.
OpenAI 训练了一对神经网络, 让类人机械手解开魔方. 神经网络完全在模拟环境中训练, 使用与 OpenAI Five 相同的强化学习代码, 并搭配名为 Automatic Domain Randomization (ADR) 的新技术. 该系统能处理训练中从未见过的情况。
Motif de la recommandation :展示了纯模拟训练的策略如何迁移到真实机械手, 并应对训练中未见的干扰, 对具身智能研究有参考价值.
OpenAI indique avoir entraîné une main robotique humanoïde à manipuler des objets physiques avec une dextérité inédite.
OpenAI a mis au point des techniques robotiques permettant à des contrôleurs entraînés entièrement en simulation。
Un agent de méta-apprentissage parvient à vaincre rapidement un agent adverse plus fort non méta-apprenant dans une tâche de lutte de robots simulés. Le même agent peut s'adapter à une défaillance physique.
OpenAI indique avoir créé un système robotique entraîné entièrement en simulation et déployé sur un robot physique, capable d'apprendre une nouvelle tâche après l'avoir vue réalisée une fois.