Видео2026
Tencent Hunyuan · Китай
Модель «живого мира» в видео: строит мир по сегментам, а вы управляете им текстом и траекторией камеры. На каждом шаге можно добавить предмет, сменить стиль или сцену, описать действие или повернуть камеру, а память мира переносится между сегментами. Выход 720 на 1280 при 24 кадрах в секунду, на сегмент нужно 8 шагов. Стандартная конфигурация рассчитана на несколько видеокарт, но есть вариант для одной RTX 4090 с INT8-весами и выгрузкой части на процессор. Для узких областей вроде робототехники можно подключить лёгкую настройку LoRA. Вместе с моделью вышел набор проверок Hy-Nomas-Bench на 280 случаев; технический отчёт и тесты самой модели обещаны позже.
- интерактивные видеомиры и прототипы игровых сцен по описанию
- тестовые видео для робототехники с настройкой LoRA
- эксперименты с управляемой камерой и устойчивостью сцены
- Размеры
- не указан (54 блока MMDiT, текстовый кодировщик Qwen2.5-VL-7B)
- Железо
- от: 1 видеокарта
3D2026
NVIDIA · США
Диффузионная модель, которая создаёт трёхмерную анимацию тела по текстовому описанию и заданным условиям: позам, положению рук и ног, маршруту и точкам, через которые нужно пройти. Есть версии под скелет SOMA (30 суставов), робота Unitree G1 (34 сустава) и человека SMPL-X (22 сустава). Версия 1.2 обучена на исправленном наборе: в 1.1 часть тестовых записей попала в обучение, поэтому новую версию стоит сравнивать с другими моделями. По данным авторов, стало меньше скольжения стоп, текст модель выполняет чуть хуже. Данные некоторых вариантов закрытые (Bones Rigplay), открытые варианты обучены на Bones-SEED.
- анимация персонажей для игр и видео по описанию
- движения для гуманоидных роботов (скелет Unitree G1)
- заготовки движений с заданным маршрутом и позами
- Размеры
- не указан
- Железо
- от: 1 видеокарта
Роботы2025–2026
NVIDIA · США
Модели «мира» для роботов и беспилотников: генерируют реалистичное видео физических сцен и предсказывают действия. Cosmos 3 объединяет понимание, генерацию и управление. В октябре вышли хирургические версии: Cosmos3-H-Embodied-Nano (16B, одна модель для предсказания видео, действий и политики на хирургических роботах) и Cosmos3-H-Dreams (мир для симуляции операций с роботом Versius в реальном времени). Они идут по лицензии NVIDIA Open Model License.
- Синтетические видео для обучения роботов и беспилотников
- Проверка сценариев в симуляции
- Управление роботом (Policy-версии)
- Размеры
- 2B – 65B
- Железо
- от: 1 видеокарта
Роботы2026
Black Forest Labs · Германия
Открытая модель управления роботом: по кадру с камеры, положению механизма и текстовой команде выдаёт следующие движения. Первое место на бенчмарке RoboLab-120, помещается в видеокарту на 24 ГБ.
- управление роботом-манипулятором
- сортировка и упаковка на складе
- операции взять и переставить
- Размеры
- 7B
- Железо
- от: 1 видеокарта
Роботы2025–2026
GigaAI · Китай
Модель управления роботами, обученная в основном на синтетических данных из модели мира. Позволяет меньше тратить на сбор данных с реальных роботов.
- Управление манипулятором
- Дообучение на малом объёме своих данных
- Пилоты сортировки и сборки
- Размеры
- 3.5B
- Железо
- от: 1 видеокарта
Роботы2026
Ant Group (Robbyant) · Китай
Модель управления роботами от Ant Group, обученная на большом объёме данных с реальных роботов. Версия 2.0 работает с разными типами манипуляторов.
- Управление двуруким манипулятором
- Дообучение под свою операцию
- Пилоты сборки и сортировки
- Размеры
- 4B – 6B
- Железо
- от: 1 видеокарта
Роботы2026
Xiaomi · Китай
Открытые модели управления роботами от Xiaomi. Robotics-1 рассчитана на бытовые и кухонные задачи, U0 объединяет понимание сцены и действия.
- Управление манипулятором по команде
- Бытовые и сервисные сценарии
- Основа для дообучения
- Размеры
- 4B – 5B
- Железо
- от: 1 видеокарта
Роботы2025–2026
Ai2 (Allen Institute for AI) · США
Полностью открытая модель управления роботом, которая сначала «рассуждает» о пространстве и траектории, а потом действует. Ход рассуждений можно проверить.
- Управление манипулятором с объяснимыми шагами
- Дообучение под свой робот
- Исследовательские пилоты
- Размеры
- 5B – 8B
- Железо
- от: 1 видеокарта
Роботы2025–2026
NVIDIA · США
Базовая модель NVIDIA для человекоподобных роботов и манипуляторов: видит, понимает команду и выдаёт движения. Встроена в экосистему Isaac.
- Управление человекоподобными роботами
- Дообучение под свою роботизированную ячейку
- Обучение в симуляции с переносом на реального робота
- Размеры
- 2B – 3B
- Железо
- от: 1 видеокарта
Роботы2025
Physical Intelligence · США
Модели управления роботами от Physical Intelligence: складывание белья, уборка, работа с предметами. π0.5 лучше справляется в незнакомой обстановке.
- Управление манипуляторами и двуруким роботом
- Дообучение под свои операции
- Пилоты по автоматизации ручного труда
- Размеры
- около 3B
- Железо
- от: 1 видеокарта
Роботы2025
Hugging Face · США
Маленькая модель управления роботом, которая работает на обычном ноутбуке. Обучена на открытых данных сообщества LeRobot, подходит для недорогих манипуляторов.
- Управление недорогим манипулятором
- Быстрые пилоты и демо роботизации
- Обучение персонала и студентов
- Размеры
- 450M
- Железо
- от: Ноутбук
Агенты для компьютераGGUF2025
Microsoft Research · США
Модель-агент, которая одинаково планирует действия и в интерфейсе (кнопки на экране), и для робота (движения манипулятора). Пока скорее исследовательская база, чем готовый продукт.
- Пилоты по управлению интерфейсом
- Исследовательские проекты на стыке экрана и робототехники
- Разбор скриншотов с планом действий
- Размеры
- 8B
- Железо
- от: 1 видеокарта
Роботы2024–2025
Стэнфорд, Беркли и партнёры · США
Первая крупная открытая модель «зрение-язык-действие»: робот-манипулятор выполняет команды вроде «положи яблоко в миску». OFT ускоряет её в разы.
- Управление манипулятором по текстовой команде
- Пилоты по роботизации простых операций
- Основа для дообучения под свой робот
- Размеры
- 7B
- Железо
- от: 1 видеокарта
