论文
联合训练使用不同控制器的机器人数据的技术
Cross-Controller Transfer via In-Context Behavior Adaptation
- 做了什么
- 开发了在无冲突的情况下利用使用不同控制方式的机器人数据进行学习的技术。
- 核心结果
- 与现有方法相比，平均成功率提高了33个百分点。
- 意义
- 展示了更有效利用在各种环境中收集的机器人数据的可能性。AI 摘要
AI 领袖：人事变动与论文 — 最新任职变化与研究
AI 实验室、大型科技公司和学术界关键人物的去向与论文，是技术方向和企业竞争力的先行信号。人事变动与论文每天自动收集，经编辑审核后以通俗摘要和原文链接呈现。
近期要闻
人事变动 · 机器人与物理 AI
暂无符合条件的人事变动。
论文 · 机器人与物理 AI
论文
生物集成微纳机器人构建与诊疗应用技术分析
Construction and Functional Engineering of Bio-Integrated Micro/Nanorobots for Theranostic Applications
- 做了什么
- 审查了结合生物学特性与技术的生物集成微纳机器人的制造及其在诊疗一体化应用中的研究。
- 核心结果
- 提出了利用细胞基组件实现运动性、体内成像和治疗功能的工程策略与制造指南。
- 意义
- 展示了在精准医疗和个性化医学领域利用生物集成微纳机器人的发展方向。AI 摘要
论文
开发用于实时机器人控制的长视觉记忆处理技术
Long-WAM: Scaling the Context of World-Action Models
- 做了什么
- 研究团队开发了 Long-WAM，这是一种在实时约束下有效利用机器人过去视觉信息的模型。
- 核心结果
- 当使用自回归（AR）方法对处理视觉信息的基础模型进行预训练时，历史记忆的利用率达到最大化，并提高了机器人任务的成功率。
- 意义
- 证明了其能够在各种硬件环境中实时运行，有助于未来应用于复杂的长期机器人控制任务。AI 摘要
论文
开发整合各种机器人动作的世界模型
Cross-Embodiment Robot Foundation World Models with Latent Actions
- 做了什么
- 开发了一种机器人世界模型，利用可供各种形态机器人共享的统一潜在动作空间。
- 核心结果
- 应用于新机器人时，在精细操作任务中比传统方法性能提升高达46.7%，在LIBERO性能评估中提升了11.7%。
- 意义
- 实现了不同机器人之间的高效学习，有助于解决机器人学中的主要难题。AI 摘要
论文
将虚拟机器人视频转化为真实场景的AI技术
RoboRender: Robot-Oriented Video Generation for Visual Sim-to-Real Transfer
- 做了什么
- 开发了一项将虚拟环境中的机器人数据转化为看似真实环境视频的技术，从而提升了机器人的控制能力。
- 核心结果
- 通过该技术学习的机器人在真实环境中取得了平均百分之71的成功率，展现出优于传统方法的性能。
- 意义
- 这有助于缓解在虚拟环境中生成的数据难以直接应用到真实机器人上的视觉差异问题。AI 摘要
论文
开发出能够快速辅助人工智能机器人行为学习的算法
QF3: Fast Flow RL with Filtered Q-Gradients
- 做了什么
- 研究团队开发出了名为QF3的新型强化学习算法，能够高效学习机器人的行为方式。
- 核心结果
- 经证实，该算法能够以比传统方法快约10倍的速度学习人形机器人的移动和动作追踪策略。
- 意义
- 展现了能够更快、更高效地学习和改进机器人行为控制技术的可能性。AI 摘要
论文
利用人类示范实现全身人形机器人操纵的技术
Workhorse: Learning Robust Whole-Body Humanoid Loco-Manipulation from Human Data
- 做了什么
- 开发了一种利用人类示范视频，通过视觉规划器和强化学习追踪器使人形机器人能够操纵物体并移动的技术。
- 核心结果
- 在实际的 Unitree G1 机器人上成功执行了搬运箱子、抓取箱子、跨越行李箱等复杂的全身操纵任务。
- 意义
- 表明机器人可以根据人类的行为数据，在复杂环境中提升平衡并操纵物体的能力。AI 摘要
论文
公开结合机器人控制与未来预测的开源框架
OpenWAM: An Open Framework for Composable World-Action Models
- 做了什么
- 开发了OpenWAM，这是一个开源框架，可用于比较和研究同时处理机器人控制与未来视频预测的世界-行动模型。
- 核心结果
- 所提出的方法显著提高了机器人操作任务的成功率，并通过反事实数据训练提升了动力学模型的性能。
- 意义
- 为公平比较各种机器人控制和视频预测方法提供了基础，从而提高了相关技术研究的效率。AI 摘要
论文
开发研究人工智能行为克隆技术现象的新基准
Behavioral Cloning Mystery
- 做了什么
- 提出了OCBench（一个具有与人类示范相似特性的机器人操作评估工具）。
- 核心结果
- 通过该工具，证明了能够在基于图形处理单元（GPU）的环境中科学研究与行为克隆相关的多种现象并验证假设。
- 意义
- 为在受控环境中分析机器人学习技术中此前原因不明的现象提供了基础。AI 摘要
论文
提高机器人学习效率的基于性能的数据收集方法
Mulligan: Performance-Guided Data Collection for Efficient On-Robot Learning
- 做了什么
- 研究团队提出了 Mulligan 技术，该技术通过重点收集机器人操作学习过程中的失败状态和未尝试状态来提高效率。
- 核心结果
- 与传统方法相比，Mulligan 技术将机器人的最终任务成功率提高了 10% 到 34%。
- 意义
- 这展示了技术上的进步，有助于在人类教导机器人的过程中更有效地利用时间和精力。AI 摘要
人物
前沿实验室
诺姆·沙泽Noam ShazeerGoogle Gemini 共同负责人达里奥·阿莫代伊Dario AmodeiAnthropic CEO最近动态 2026-10-27杰米斯·哈萨比斯Demis HassabisGoogle DeepMind CEO最近动态 2026-10-20Mark ChenOpenAI 首席研究官最近动态 2026-10-29汪滔Alexandr WangMeta Superintelligence Labs 负责人最近动态 2026-06-10Jakub PachockiOpenAI 首席科学家最近动态 2026-09-28Jared KaplanAnthropic 联合创始人最近动态 2026-10-09杰夫·迪恩Jeff DeanGoogle 首席科学家納特·弗里德曼Nat FriedmanMeta Superintelligence LabsNoam BrownOpenAIRob FergusMeta FAIR 负责人最近动态 2026-10-20穆斯塔法·苏莱曼Mustafa SuleymanMicrosoft AI CEO最近动态 2026-10-22肖恩·莱格Shane LeggGoogle DeepMind 联合创始人最近动态 2026-09-28扬·莱克Jan LeikeAnthropic奧里奧爾·維尼亞爾斯Oriol VinyalsGoogle DeepMind赵晟佳Shengjia ZhaoMeta Superintelligence Labs 首席科学家Jason WeiMeta Superintelligence LabsKoray KavukcuogluGoogle 首席 AI 架构师最近动态 2026-07-02Chris OlahAnthropic最近动态 2026-05-28Pushmeet KohliGoogle DeepMind 科学 AI最近动态 2026-10-20
新兴实验室
米拉·穆拉蒂Mira MuratiThinking Machines Lab CEO安德烈·卡帕斯Andrej KarpathyEureka Labs 创始人扬·勒丘恩Yann LeCunAMI Labs 创始人最近动态 2026-10-30伊爾亞·蘇茨克維Ilya SutskeverSSI CEOLlion JonesSakana AI最近动态 2026-10-06Lilian WengThinking Machines Lab 联合创始人Barret Zoph频繁跳槽(据报道 2026 年重返 OpenAI 后再度跳槽)Sergey LevinePhysical Intelligence·UC伯克利最近动态 2026-10-06Aravind SrinivasPerplexity CEOArthur MenschMistral AI CEO阿西什·瓦斯瓦尼Ashish VaswaniEssential AI最近动态 2026-10-28艾丹·高梅茲Aidan GomezCohere CEO最近动态 2026-09-12约翰·舒尔曼John SchulmanThinking Machines Lab 首席科学家Chelsea FinnPhysical Intelligence·斯坦福最近动态 2026-10-29李飞飞Fei-Fei LiWorld Labs CEO·斯坦福最近动态 2026-10-07
学术界
Richard Sutton阿尔伯塔大学Stuart Russell加州大学伯克利分校吴恩达Andrew NgDeepLearning.AI·AI Fund约书亚·本希奥Yoshua Bengio蒙特利尔大学·LawZero最近动态 2026-10-12杰弗里·欣顿Geoffrey Hinton多伦多大学名誉教授最近动态 2026-09-28Christopher Manning斯坦福大学最近动态 2026-07-20Percy Liang斯坦福大学·Together AI最近动态 2026-10-22彼得·阿比爾Pieter Abbeel加州大学伯克利分校最近动态 2026-10-06何恺明Kaiming He麻省理工学院最近动态 2026-10-01
AI 硬件
韩国
中国
高管
Kwak Noh-jungSK海力士 CEO马克·扎克伯格Mark ZuckerbergMeta CEO萨姆·奥尔特曼Sam AltmanOpenAI CEO全永鉉Jun Young-hyun三星电子 DS部门负责人黄仁勋Jensen HuangNVIDIA CEOC.C. WeiTSMC 董事长兼 CEO格雷格·布羅克曼Greg BrockmanOpenAI 总裁苏姿丰Lisa SuAMD CEO陈立武Lip-Bu TanIntel CEO薩蒂亞·納德拉Satya NadellaMicrosoft CEOSanjay MehrotraMicron CEOMasayoshi Son软银董事长桑达·皮采Sundar PichaiAlphabet CEO安迪·賈西Andy JassyAmazon CEO伊隆·马斯克Elon MuskxAI 兼特斯拉 CEOKevin ScottMicrosoft CTO陳福陽Hock TanBroadcom CEO
为什么要关注 AI 领袖的人事与论文？
在 AI 行业，人就是技术。关键研究者加入哪家公司、创办哪家实验室，往往在几个月后演变为产品、融资和并购。本页按前沿实验室、新兴实验室、学术界、AI 芯片以及韩国、中国人物分类追踪任职变化。
论文反映一个人当下的关注点。我们把论文分为 HBM 与存储、GPU 与加速器、推理效率、智能体、机器人等 10 个与投资相关的领域，并根据摘要提供“做了什么·核心结果·意义”三行摘要及原文与 PDF 链接。本页仅为寻找投资思路的信息，不构成任何证券的买卖建议。
常见问题
问：追踪哪些人物？
包括前沿实验室（OpenAI、Google DeepMind、Anthropic、Meta 等）、新兴实验室、学术界、AI 芯片企业以及韩国和中国的关键研究者与高管。很少发表论文的高管只追踪人事变动。
问：数据来自哪里，多久更新一次？
论文来自 Semantic Scholar 与 arXiv，履历来自维基数据（CC0）及官方公告和媒体报道，每天自动收集。只有经编辑审核批准的条目才会公开。
问：论文摘要由谁撰写？
由 AI（Google Gemini）根据论文摘要撰写初稿，经编辑审核后发布。其他语言版本由 AI 翻译自审核过的韩文摘要。具体数据与背景请务必查阅原文。
本页面整理已发表的论文、官方公告和媒体报道，仅供参考。论文摘要由 AI 根据论文摘要撰写并经编辑审核，可能与原文存在差异，重要内容请查阅原文。本页面不构成任何证券的买卖建议或投资咨询。 人事变动以官方公告或主要媒体报道为来源，部分履历参考维基数据（CC0）。 本页摘要由 AI 根据编辑审核过的韩文版本翻译。
