VLA，是不是自动驾驶的下一站？
中国农历新年结束没多久，马斯克就给中国的特斯拉车主送上一份大礼——2月26日，在毫无征兆的情况下特斯拉向中国区购买了FSD的HW4.0车主开启了功能推送。
vlm
具身智能与自动驾驶的结合点：VLA
具身智能拥有支持感知和运动的物理身体，可以进行主动式感知，也可以执行物理任务。更重要的是，具身智能强调“感知-行动回路”（perception-action loop）的重要性，即感受世界—对世界进行建模—进而采取行动—进行验证并调整模型的过程。自动驾驶与具身
高阶智驾不可不知的四个词：端到端、D2D、VLM、VLA
几年前谈到自动驾驶，厂家卷的还是芯片算力和激光雷达数量，但如今消费者已经意识到，硬件的丰俭与实际的智驾能力并不成正比，很多时候都是割韭菜的噱头。最典型的例子是放言“4颗（激光雷达）以下别说话”的机甲龙，以及搭载4颗英伟达Orin芯片，总算力达到1016 TOP
英伟达团队发布最新具身模型 Cosmos-Reason1，在物理世界推理中碾压 Qwen、GPT-4o 等多个 VLM 模型
英伟达 GTC 大会热度飙升。继黄仁勋在英伟达大会上发布基础世界模型 Cosmos 引发业内讨论后，英伟达团队近日又发布了一个新的物理世界大模型：Cosmos-Reason1。
理想 MindVLA 答网友热门问题
3月18日，理想汽车在NVIDIA GTC 2025大会上推出了新一代自动驾驶技术——MindVLA 大模型。这个模型结合了视觉、语言和行为三大智能，开创了机器人大模型的新范式。用通俗易懂的语言来说，VLA可以理解为看到、听到的同时也能做到。
成效初显！基于DeepSeek强化学习的医疗VLM策略来了
在人工智能跨界医疗的浪潮中，如何赋能视觉语言模型（VLM）去 “看懂” 多种类型的医学影像，并在疾病诊断、病灶分析等任务中给出可信解释，已成关键挑战。
关于高阶智驾不可不知的四个词：端到端、D2D、VLM、VLA
几年前谈到自动驾驶，厂家卷的还是芯片算力和激光雷达数量，但如今消费者已经意识到，硬件的丰俭与实际的智驾能力并不成正比，很多时候都是割韭菜的噱头。最典型的例子是放言“4颗（激光雷达）以下别说话”的机甲龙，以及搭载4颗英伟达Orin芯片，总算力达到1016 TOP
化解机器人的「幻觉」：北大发布OmniManip，VLM结合双闭环系统
近年来视觉语⾔基础模型（Vision Language Models, VLMs）在多模态理解和⾼层次常识推理上 ⼤放异彩，如何将其应⽤于机器⼈以实现通⽤操作是具身智能领域的⼀个核⼼问题。这⼀⽬标的实现受两⼤关键挑战制约：
手写数学问题的终极挑战！FERMAT基准揭示VLM潜力
本文介绍了一项名为FERMAT的研究，旨在评估视觉语言模型（VLM）在检测、定位和纠正手写数学错误方面的表现。该研究设计了一个包含超过2,200个手写数学解决方案的数据集，并对九种不同的VLM进行了测试。结果表明，当前的VLM在处理手写文本时存在显著的局限性，
数据不够致ScalingLaw撞墙？CMU和DeepMind新方法可让VLM
最近 AI 社区很多人都在讨论 Scaling Law 是否撞墙的问题。 其中，一个支持 Scaling Law 撞墙论的理由是 AI 几乎已经快要耗尽已有的高质量数据，比如有一项研究就预计，如果 LLM 保持现在的发展势头，到 2028 年左右，已有的数据储
数据不够致Scaling Law撞墙？CMU和DeepMind新方法可让VLM生成记忆
最近 AI 社区很多人都在讨论 Scaling Law 是否撞墙的问题。其中，一个支持 Scaling Law 撞墙论的理由是 AI 几乎已经快要耗尽已有的高质量数据，比如有一项研究就预计，如果 LLM 保持现在的发展势头，到 2028 年左右，已有的数据储量
cmu scalinglaw vlm 2025-01-03 14:58 9
数据不够致Scaling Law撞墙？CMU和DeepMind新方法让VLM生成记忆
最近 AI 社区很多人都在讨论 Scaling Law 是否撞墙的问题。其中，一个支持 Scaling Law 撞墙论的理由是 AI 几乎已经快要耗尽已有的高质量数据，比如有一项研究就预计，如果 LLM 保持现在的发展势头，到 2028 年左右，已有的数据储量
cmu scalinglaw vlm 2025-01-03 14:59 11
资讯 | 接入VLM大模型/与“蔚小理”达成补能合作，小米SU7 OTA升级
小米SU7推送1.4.5版本OTA升级。此次升级包括13项新增功能和26项体验优化，并正式接入VLM视觉语言大模型。作为参考，小米SU7官方指导价区间为21.59万-29.99万元（不包含小米SU7 Ultra）。
VLM-OCR-Demo：一个使用VLM用于OCR任务的示例
上一篇文章TesseractOCR-GUI：基于WPF/C#构建TesseractOCR简单易用的用户界面中我们构建了一个方便使用TesseractOCR的用户界面，今天构建一个类似的界面，使用Semantic Kernel接入视觉模型，测试一下用视觉模型做O