AI在线 AI在线

北京智源人工智能研究院

刚刚，智源悟界·Emu3.5登场，原生具备世界建模能力

刚刚，智源悟界·Emu3.5登场，原生具备世界建模能力
当业界还在为自回归与扩散这两种主流技术路线孰优孰劣而激辩时，答案可能已经显现。 今天，北京智源人工智能研究院（BAAI）重磅发布了其多模态系列模型的最新力作 —— 悟界・Emu3.5。 这不仅仅是一次常规的模型迭代，Emu3.5 被定义为一个 “多模态世界大模型”（Multimodal World Foudation Model）。
10/30/2025 5:18:00 PM
机器之心
智源开源EditScore：为图像编辑解锁在线强化学习的无限可能

智源开源EditScore：为图像编辑解锁在线强化学习的无限可能
随着多模态大模型的不断演进，指令引导的图像编辑（Instruction-guided Image Editing）技术取得了显著进展。 然而，现有模型在遵循复杂、精细的文本指令方面仍面临巨大挑战，往往需要用户进行多次尝试和手动筛选，难以实现稳定、高质量的「一步到位」式编辑。 强化学习（RL）为模型实现自我演进、提升指令遵循能力提供了一条极具潜力的路径。
10/22/2025 11:47:00 AM
机器之心
首个零样本跨本体泛化开源具身模型：智源RoboBrain-X0 技术细节全解析

首个零样本跨本体泛化开源具身模型：智源RoboBrain-X0 技术细节全解析
为具身智能行业提供了一个可复用、可扩展的通用基座，同时开源训练数据集。 今天，北京智源人工智能研究院（BAAI）正式开源 RoboBrain-X0，一个能够在零样本泛化、轻量微调条件下，驱动多种不同真实机器人完成复杂任务的具身智能基座大模型。 其核心突破在于：用统一的动作空间与分层任务拆解，实现了「一个基座模型，N种身体」，为通用具身智能提供一条切实可行的路径。
9/29/2025 3:11:00 PM
机器之心
具身智能从此「边听边说」，智源研究院开源原生全双工语音大模型RoboBrain-Audio

具身智能从此「边听边说」，智源研究院开源原生全双工语音大模型RoboBrain-Audio
语音交互作为人机通信的关键接口，长期以来受限于高延迟、低自然度的交替式对话架构。 为突破这一瓶颈，北京智源人工智能研究院联合 Spin Matrix 与新加坡南洋理工大学，正式发布 RoboBrain-Audio（FLM-Audio） —— 首个支持 “自然独白 双训练范式” 的原生全双工语音对话大模型。 在一段自然对话音频中，用户连续提出多个不同问题，并多次在模型回答过程中打断。
9/25/2025 11:47:00 AM
机器之心
智源大会发布“悟界”系列大模型，加速迈向物理AGI时代

智源大会发布“悟界”系列大模型，加速迈向物理AGI时代
在今日举行的 2025 北京智源大会上，北京智源人工智能研究院正式发布“悟界”系列大模型，全面展示其在物理通用人工智能（AGI）方向的最新研究成果与战略布局。 “悟界”系列意在突破虚实边界、赋能物理世界，涵盖四款前沿模型：多模态世界模型Emu3、脑科学模型见微Brainμ、具身智能大脑RoboBrain 2. 0 以及微观生命模型OpenComplex2，构建了从世界理解、神经建模到具身控制和生命模拟的全链条AI体系。
6/6/2025 12:01:06 PM
AI在线
智源发布RoboOS2.0与RoboBrain2.0：首个支持MCP机制的机器人

智源发布RoboOS2.0与RoboBrain2.0：首个支持MCP机制的机器人
在今日举行的2025北京智源大会上，北京智源人工智能研究院正式发布具身智能操作系统RoboOS2.0与升级版大模型RoboBrain2.0，全面开源，推动具身智能生态走向开放协同。 RoboOS2.0是首个支持MCP（多本体协同平台）机制的机器人操作系统，具备无服务器本体部署能力和免适配小脑技能注册机制，大幅降低开发门槛。 系统性能方面，响应时延压缩至3毫秒以下，端云通信效率提升27倍，并引入时空场景图共享与任务闭环反馈机制，显著增强多机器人协作能力与任务稳定性。
6/6/2025 12:01:05 PM
AI在线
一脑多机！智源的新发布，让不同机器人轻松协作

一脑多机！智源的新发布，让不同机器人轻松协作
3 月 29 日，智源研究院在 2025 中关村论坛 “未来人工智能先锋论坛” 上发布首个跨本体具身大小脑协作框架 RoboOS 与开源具身大脑 RoboBrain，可实现跨场景多任务轻量化快速部署与跨本体协作，推动单机智能迈向群体智能，为构建具身智能开源统一生态加速场景应用提供底层技术支持。  开源链接如下：具身多模态大脑模型 RoboBrainGitHub：：： ShareRobotGitHub：：：  打造感知 - 认知 - 决策 - 行动闭环在具身场景中，长程操作任务是机器人执行复杂任务的核心能力之一。 具身大脑 RoboBrain 融合了机器人任务规划、可操作区域感知、轨迹预测的三维能力，通过将抽象指令映射为具象动作序列，增强长程操作任务的能力。
4/1/2025 12:06:00 PM
机器之心
具身智能最佳形态是什么？它是通往AGI必由之路？八位头部玩家、学者现身说法

具身智能最佳形态是什么？它是通往AGI必由之路？八位头部玩家、学者现身说法
ChatGPT-4 被认为是人工智能技术发展的重要节点，语言大模型之后的多模态大模型初步显现了世界模型的影子。大模型最终将通过硬件与物理世界产生交互。人工智能的应用实现从数字世界到物理世界的扩展，具身智能是非常关键的技术方向。那么，具身智能应该依循何种发展路径，当前的技术水平处在什么阶段，发展过程中遇到了哪些瓶颈和难题，在应用场景上如何切入，离未来规模应用还有多远，身处在技术变革浪潮中的我们又该何去何从？4 月 27 日，北京智源人工智能研究院院长王仲远在中关村论坛年会未来「人工智能先锋论坛」上，和七位具身智能领域
4/30/2024 3:36:00 PM
机器之心
向数字世界AGI迈进！智能体已经从头开玩「荒野大镖客 2」了

向数字世界AGI迈进！智能体已经从头开玩「荒野大镖客 2」了
通用计算机控制信息革命产生了数字世界，数字世界为大模型的诞生提供了数据，也最容易实现通用人工智能（AGI）。向数字世界 AGI 迈进，北京智源人工智能研究院、新加坡南洋理工大学、北京大学携手提出通用计算机控制 General Computer Control (GCC)，即智能体需要像人一样看屏幕，通过键盘、鼠标完成计算机上的所有任务。在过去很长一段时间里，人工智能研究以游戏为场景，而 GCC 将为通用人工智能研究提供场景，也将进一步促进大模型和 AI Agents 的落地与产业化。为此，研究团队提出通用计算机控制
3/13/2024 2:54:00 PM
机器之心
BAAI、北大&港中文团队提出 SegVol：通用且可交互的医学体素分割模型

BAAI、北大&港中文团队提出 SegVol：通用且可交互的医学体素分割模型
编辑 | ScienceAI上周，北京智源人工智能研究院（BAAI）、北京大学和香港中文大学的研究团队开源了 SegVol 医学通用分割模型。与过去一些很棒的 Medical SAM 工作不同，SegVol 是第一个能够同时支持 box，point 和 text prompt 进行任意尺寸原分辨率的 3D 体素分割模型。作为一个便捷的通用分割工具，研究人员将 SegVol 代码和模型开源到 GitHub:BAAI-DCAI/SegVol，欢迎大家使用。目前开源的模型权重文件包括（1）使用 96k CTs 预训练 2
11/28/2023 2:20:00 PM
ScienceAI
让大模型自主探索开放世界，北大&智源提出训练框架LLaMA-Rider

让大模型自主探索开放世界，北大&智源提出训练框架LLaMA-Rider
大语言模型因其强大而通用的语言生成、理解能力，展现出了成为通用智能体的潜力。与此同时，在开放式的环境中探索、学习则是通用智能体的重要能力之一。因此，大语言模型如何适配开放世界是一个重要的研究问题。北京大学和北京智源人工智能研究院的团队针对这个问题提出了 LLaMA-Rider，该方法赋予了大模型在开放世界中探索任务、收集数据、学习策略的能力，助力智能体在《我的世界》（Minecraft）中自主探索获取知识并学习解决各种任务，提升智能体自主能力和通用性。                               
11/7/2023 2:41:00 PM
机器之心
  • 1