TARS AWE 3.5：以泛化为目标的具身模型架构
FellMentKE · x · 2026-08-18
真正的机器人突破不在于执行单一任务，而在于理解行为原理并迁移能力。TARS 的 AWE 3.5 模型采用了具身原生架构，结合潜在动作与几何先验，以及由世界引擎驱动的后训练，形成闭环系统，旨在实现跨任务、物体和环境的高度泛化。
「具身」频道最新
- 苹果新款带摄像头 AirPods 泄露：将用于视觉智能 — tomwarren · 2026-08-18
- 苹果带摄像头 AirPods 曝光：搭载视觉智能功能 — The Verge AI · 2026-08-18
- Google 扫描物体数据集上架 HF：1030 个家用物品 3D 扫描 — BlackHC · 2026-08-18
- 机器人商用先做遥操，积累数据再自动驾驶 — vaibhavbetter · 2026-08-18
- 机器人研究获 NSF 奖项：家庭环境双轴持续学习 — oier_mees · 2026-08-18
- 机器人仿真器 CurrentWorld-0 实时推演开瓶倒酒 — 量子位 · 2026-08-18