IT之家 · 智能时代T2·智能体与协同
84 分
苹果研究团队在 arXiv 发布论文,披露人形机器人自主控制系统 HALO,采用 VLM 任务编排、DiT 动作生成与强化学习跟踪器的三层架构,在宇树 G1 上以 Mac mini 机载推理落地。在 6 个未预先建图的真实环境中完成 360 次单项任务测试,平均成功率达 91%,但长序列复合任务成功率降至 70%,最复杂组合仅 50%。团队同步开源数据生成、训练与部署代码。
Diffusion Transformer
使用 Transformer 架构作为骨干网络的扩散模型
苹果研究团队在 arXiv 发布论文,披露人形机器人自主控制系统 HALO,采用 VLM 任务编排、DiT 动作生成与强化学习跟踪器的三层架构,在宇树 G1 上以 Mac mini 机载推理落地。在 6 个未预先建图的真实环境中完成 360 次单项任务测试,平均成功率达 91%,但长序列复合任务成功率降至 70%,最复杂组合仅 50%。团队同步开源数据生成、训练与部署代码。
数字艺术家 Karim Joseph Nassar 基于 Marigold V2 模型开发了名为“Vathography”的艺术实践。该项目利用扩散 Transformer 从单张照片中推断深度信息,将视觉数据转化为体积感图像,探索摄影之外的新表达形式。
智谱与华为联合开源新一代图像生成模型 GLM-Image,该模型基于昇腾 Atlas 800T A2 和 MindSpore 框架完成全流程训练,验证了国产算力底座支持前沿大模型的能力。GLM-Image 采用“自回归+扩散解码器”混合架构,在复杂文本渲染(如汉字、海报)上取得开源 SOTA,并实现极低推理成本(0.1元/张)。