邁向通用：ACT如何讓機器人「預見未來」動作？
ACT (Action Chunking with Transformers) 改變了機器人的決策方式。它讓機器人從一個只能看到當前的「短視者」，變成了能夠預見未來行動、動作連貫、且極具穩健性的「短程規劃大師」。
讓機器人開始「思考下一步」的三個關鍵模型：ACT、RDT-1B和π₀
剖析 ACT、RDT-1B和π₀的發展，一個共同的核心事實逐漸清晰：機器人的智能正在從「控制」升級到「理解」與「生成」。
為何Google、NVIDIA和Intel都支持LeRobot開源專案？
LeRobot 的快速崛起，除了提供了一套優雅的軟體架構來處理 VLA 模型的核心挑戰，更透過與 Google、NVIDIA、Intel 和 Hugging Face 自身的深度協作，構築了一個從雲端訓練到邊緣部署的完整生態閉環。
WorldVLA：視覺、語言與動作的融合之路
WorldVLA 是一個自回歸動作世界模型，它將動作和圖像的理解與生成統一起來。 WorldVLA 將視覺-語言-動作 (VLA) 模型（動作模型）和世界模型整合在一個框架中。
為生成機器人訓練用資料而生的MIT PhysicsGen
近期麻省理工學院（MIT）與機器人與人工智慧研究所（RAI）合作推動名為PhysicsGen的計畫，運用Gen AI來生成實體性、物理性資料，再將資料供AI模型訓練用。
【Podcast】進入世界模型時代：AI 的新智慧引擎
在這集精彩的 Podcast 節目中，我們帶領你進入「世界模型」（World Model）的核心概念，探索這項技術如何讓 AI 不只是辨識環境，而能模擬世界演進、進行推理與計劃。