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。
互動式世界模型的新境界：Genie 3來了！
DeepMind 已經先後推出 Genie 1 與 Genie 2，嘗試讓模型依照指令生成新的環境。與此同時，他們在影片生成領域的 Veo 系列模型 也展現了 AI 對「直覺物理學」的掌握力。但直到 Genie 3，這一切才真正邁入了「互動式世界」的新階段。
Meta的世界模型：V-JEPA 2如何讓機器學會「先想像再行動」
AI能看到眼前的世界，並推測下一秒將會發生什麼？Meta最新發表的 V-JEPA 2 世界模型，正是向這個方向跨出關鍵一步——它不只是辨識影像，而是理解因果、預測未來，甚至在陌生環境中替機器人規劃行動。