# 機器人控制

HOMIE 是一種創新的人形機器人遙操作解決方案，旨在通過強化學習和低成本的外骨骼硬件系統，實現精準的行走與操作任務。該技術的重要性在於它解決了傳統遙操作系統的低效性和不穩定性問題，通過人體運動捕捉和強化學習訓練框架，使機器人能夠更加自然地執行復雜的任務。其主要優點包括高效的任務完成能力、無需複雜的運動捕捉設備以及快速的訓練時間。該產品主要面向機器人研究機構、製造業和物流行業，價格未明確公開，但其硬件系統成本較低，具有較高的性價比。

VideoWorld是一個專注於從純視覺輸入（無標籤視頻）中學習複雜知識的深度生成模型。它通過自迴歸視頻生成技術，探索如何僅通過視覺信息學習任務規則、推理和規劃能力。該模型的核心優勢在於其創新的潛在動態模型（LDM），能夠高效地表示多步視覺變化，從而顯著提升學習效率和知識獲取能力。VideoWorld在視頻圍棋和機器人控制任務中表現出色，展示了其強大的泛化能力和對複雜任務的學習能力。該模型的研究背景源於對生物體通過視覺而非語言學習知識的模仿，旨在為人工智能的知識獲取開闢新的途徑。

SpatialVLM是一個由谷歌DeepMind開發的視覺語言模型,能夠對空間關係進行理解和推理。它通過大規模合成數據的訓練,獲得了像人類一樣直觀地進行定量空間推理的能力。這不僅提高了其在空間VQA任務上的表現,還為鏈式空間推理和機器人控制等下游任務打開了新的可能。