BIGAI的物理智能路线:先补场景、模拟和控制
TongSIM、SceneVerse++与OmniXtreme分别落在模拟训练、3D场景和运动控制上。三项成果勾勒出BIGAI进入物理世界的路线,也留下关键问题:这些能力能否在陌生环境里稳定完成真实任务。
阅读全文关键词:BIGAI
TongSIM、SceneVerse++与OmniXtreme分别落在模拟训练、3D场景和运动控制上。三项成果勾勒出BIGAI进入物理世界的路线,也留下关键问题:这些能力能否在陌生环境里稳定完成真实任务。
阅读全文SceneVerse++、TongAgents、OmniXtreme 和 TongSIM 接连出现在通研院官网,覆盖三维场景、智能体、机器人控制与物理仿真。科研声量已经形成,下一步要看的不是更多项目名,而是部署、维护和外
阅读全文“通通”2.0继续强调认知与推理,TongAgents则把任务拆解、执行反馈和动态改计划做成系统能力。现有公开资料能确认架构与榜单成绩,但无法证实华东仓储首次落地及相关效率数据。
阅读全文跳出对话框,北京通用人工智能研究院(BIGAI)正通过 OmniXtreme 运动控制框架、奥数几何 AI 以及 TongSIM 物理训练场,构建一个从逻辑推理到物理执行的“通专融合”体系,试图在具身智能与科学计算领域跑
阅读全文从家庭服务机器人在厨房的“摔倒”,解码BIGAI背后的技术拼图。SceneVerse++构建3D场景理解,OmniXtreme攻克运动泛化,TongSIM提供低成本试错场。除了“通通”大模型,BIGAI正在用这套硬核组合
阅读全文2026年7月17日,WAIC 2026在上海开幕,1100余家企业携3000余项展品集中亮相。本文记录现场三大技术路线——通用基模型+专家插件、多模态通才、具身神经符号系统的同台比拼,结合高文院士'通专融合'演讲和BI
阅读全文透明、反光、异形零件难抓,问题从识别一直延伸到接触、受力和动作反馈。BIGAI公开的具身视觉、主动视觉与机器人研究能对应这些环节,但目前缺少可复核的产线指标。判断方案是否可用,仍要看实际工件、节拍、换型和连续运行记录。
阅读全文具身智能缺的不是大模型,是接触面。BIGAI用TongSIM搭出可反复试错的物理训练场,SceneVerse++补充真实3D场景,再以“数据—大脑—小脑—本体”打通认知到执行。这套链路在仿真里跑通了,但真实设备上的稳定表
阅读全文BIGAI以“通通”3.0、SceneVerse++和TongSIM把通专融合落到具身智能:大脑负责规划,小脑负责控制,本体完成动作。判断这条路线是否成立,要看仿真经验能否迁移到真实设备,并在时延、算子和安全约束下持续执
阅读全文7月初,智源、BIGAI、清华与字节的代表在北京讨论AGI。定义没有统一,工程判断却开始靠拢:世界模型要接入控制,具身智能要完成物理闭环,通专融合要解决多Agent编排、成本与护栏。现阶段,这更像一张可执行的验收表。
阅读全文SceneVerse++构建3D场景,TongSIM提供物理训练环境,OmniXtreme连接机器人动作,TongAgents和行业基准再检验任务能力。BIGAI已勾勒出通专融合的技术链条,但医疗、金融等规模化部署尚无公
阅读全文北京通用人工智能研究院(BIGAI)2026年夏季公开的 TongSIM 与 OmniXtreme 评测,暴露了具身智能从仿真到现实的真实鸿沟:透明物体抓取成功率骤降至40%以下,动态避障因电机延迟碰撞率升至23%,多步
阅读全文