搜索
最近我在使用的一款浏览器工具叫做 Ego Lite。这款浏览器，是给 Agent 准备的。比如我在 Agent 工具（Codex）里说，在此期间，Ego Lite 的人机交互界面不受任何影响，Agent 也不会打开新的浏览器界面——比如 Codex 操作 Chrome 那样，在你的浏览器里点来点去翻找内容——Agent 只是默默干活，然后给你最终结果。
今天分享一家很新的公司，Mecka AI，Mecka AI 是一家给机器人公司提供训练数据的公司。更具体一点，Mecka AI 做的是“人类动作数据”。也就是说，Mecka 做的事情很像“机器人时代的 Scale AI”。
浙江大学等五所高校的研究团队提出 EgoTSR。研究从第一人称机器人视角出发，希望让 VLM 学会判断任务状态，并把这种能力进一步扩展到长程规划。团队构建了包含 4600 万条样本的 EgoTSR-Data，并设计了三阶段课程学习流程。
具身智能数据的竞争，正在从“量大管饱”进入下一关。
如今，大模型越来越擅长回答问题了，但当 AI 不再只停留在聊天窗口，而是走向智能眼镜、可穿戴设备乃至家庭机器人时，问题会随之改变。用户未必有时间把需求完整说出来，也未必希望助手随时插话。更理想的助手，应该能在现场真正理解人，在用户需要的时候出现，在不合适的时候保持安静。
随着 Harvey 和 Legora 完成八位数融资轮次，法律工具已被证明是人工智能初创公司中增长最快、竞争最激烈的垂直领域之一。但尽管这些工具专注于私人执业，一些初创公司认为法律市场中仍有大量需求未被满足。
大模型开始进入理论计算机科学最核心的问题之一：算法设计。
前北京人形数据负责人创业，给出即插即用的灵巧操作方案。
在具身智能研究中，如何让智能体精准理解周围环境的精细几何结构与开放语义信息，始终是具身感知的核心难题。近年来，语义占据预测（Semantic Occupancy Prediction） 将稠密几何与语义信息统一到三维体素网格中，用于构建 3D 语义占据地图，为机器人的空间推理、导航与交互操作提供了场景表达基础。
具身智能的Scaling Law停滞了吗？