AI Research 技术调研

标签: flow-matching

此标签下有85条笔记。

2026年7月16日
AdaFlow: Imitation Learning with Variance-Adaptive Flow-Based Policies
2026年7月16日
π0: A Vision-Language-Action Flow Model for General Robot Control
2026年7月16日
GR-3 Technical Report
2026年7月16日
Galaxea Open-World Dataset and G0 Dual-System VLA Model
2026年7月16日
GraspVLA: a Grasping Foundation Model Pre-trained on Billion-scale Synthetic Action Data
2026年7月16日
GR00T N1.5: An Improved Open Foundation Model for Generalist Humanoid Robots
2026年7月16日
GR00T N1: An Open Foundation Model for Generalist Humanoid Robots
2026年7月16日
Hume: Introducing System-2 Thinking in Visual-Language-Action Model
2026年7月16日
In-N-On: Scaling Egocentric Manipulation with in-the-wild and on-task Data
2026年7月16日
Knowledge Insulating Vision-Language-Action Models: Train Fast, Run Fast, Generalize Better
2026年7月16日
π*0.6: a VLA That Learns From Experience (RECAP)
2026年7月16日
π0.5: a VLA Model with Open-World Generalization
2026年7月16日
ReinFlow: Fine-tuning Flow Matching Policy with Online Reinforcement Learning
2026年7月16日
SmolVLA: A Vision-Language-Action Model for Affordable and Efficient Robotics
2026年7月16日
villa-X: Enhancing Latent Action Modeling in Vision-Language-Action Models
2026年7月16日
WALL-OSS: Igniting VLMs toward the Embodied Space
2026年7月16日
InternVLA-A1.5: Unifying Understanding, Latent Foresight, and Action for Compositional Generalization
2026年7月16日
InternVLA-A1: Unifying Understanding, Generation and Action for Robotic Manipulation
2026年7月16日
One-Step Flow Policy: Self-Distillation for Fast Visuomotor Policies
2026年7月16日
π0.7: a Steerable Generalist Robotic Foundation Model with Emergent Capabilities
2026年7月16日
Ψ₀: An Open Foundation Model Towards Universal Humanoid Loco-Manipulation
2026年7月16日
Wall-OSS-0.5 Technical Report: Pretrain Once, Act Anywhere
2026年7月16日
操作策略族（Diffusion Policy · ACT/ALOHA · 3D 策略 · 流匹配 · 动作表征）
2026年7月16日
VLA 谱系（RT-1→RT-2→OpenVLA→Octo→π0→GR00T→Gemini Robotics）
2026年7月16日
具身智能架构演进（VLA 骨干 · 动作头 · 扩散策略 · 人形全身控制）
2026年7月16日
具身智能训练方法（模仿学习 · RL · 动作 tokenize · 协同训练 · VLA 后训练）
2026年7月16日
PixWorld: Unifying 3D Scene Generation and Reconstruction in Pixel Space
2026年7月16日
Wan-Streamer v0.2: Higher Resolution, Same Latency
2026年7月16日
MagicDrive-V2: High-Resolution Long Video Generation for Autonomous Driving with Adaptive Control
2026年7月16日
World Simulation with Video Foundation Models for Physical AI (Cosmos-Predict2.5 & Cosmos-Transfer2.5)
2026年7月16日
GAIA-2: A Controllable Multi-View Generative World Model for Autonomous Driving
2026年7月16日
Genie Envisioner: A Unified World Foundation Platform for Robotic Manipulation
2026年7月16日
JEPA-T: Joint-Embedding Predictive Architecture with Text Fusion for Image Generation
2026年7月16日
DriveWorld-VLA: Unified Latent-Space World Modeling with Vision–Language–Action for Autonomous Driving
2026年7月16日
MultiWorld: Scalable Multi-Agent Multi-View Video World Models
2026年7月16日
世界模型训练方法（想象力 RL · 扩散/流 · next-token · JEPA 回归 · 蒸馏）
2026年6月25日
Flow Matching for Generative Modeling
2026年6月25日
Flow Straight and Fast: Learning to Generate and Transfer Data with Rectified Flow
2026年6月25日
InstaFlow: One Step is Enough for High-Quality Diffusion-Based Text-to-Image Generation
2026年6月25日
FLUX1.1 [pro]
2026年6月25日
FLUX.1 Tools (Fill / Canny / Depth / Redux)
2026年6月25日
FLUX.1 suite (pro / dev / schnell)
2026年6月25日
GLM-4-Voice: Towards Intelligent and Human-Like End-to-End Spoken Chatbot
2026年6月25日
HunyuanVideo: A Systematic Framework For Large Video Generative Models
2026年6月25日
Lumina-Next: Making Lumina-T2X Stronger and Faster with Next-DiT
2026年6月25日
Lumina-T2X: Transforming Text into Any Modality, Resolution, and Duration via Flow-based Large Diffusion Transformers
2026年6月25日
Mochi 1 (preview)
2026年6月25日
Movie Gen: A Cast of Media Foundation Models
2026年6月25日
Pyramid Flow:金字塔式流匹配的高效视频生成
2026年6月25日
REPA: Representation Alignment for Generation — Training Diffusion Transformers Is Easier Than You Think
2026年6月25日
SiT: Exploring Flow and Diffusion-based Generative Models with Scalable Interpolant Transformers
2026年6月25日
Scaling Rectified Flow Transformers for High-Resolution Image Synthesis (Stable Diffusion 3 / MMDiT)
2026年6月25日
BLIP3-o: A Family of Fully Open Unified Multimodal Models
2026年6月25日
CogView4-6B
2026年6月25日
FLUX.1 Kontext: Flow Matching for In-Context Image Generation and Editing in Latent Space
2026年6月25日
FLUX.2
2026年6月25日
HiDream-I1: A High-Efficient Image Generative Foundation Model with Sparse Diffusion Transformer
2026年6月25日
Hunyuan3D 2.1: From Images to High-Fidelity 3D Assets with Production-Ready PBR Material
2026年6月25日
HunyuanVideo 1.5
2026年6月25日
Kandinsky 5.0: A Family of Foundation Models for Image and Video Generation
2026年6月25日
Lumina-Image 2.0: A Unified and Efficient Image Generative Framework
2026年6月25日
MAGI-1: Autoregressive Video Generation at Scale
2026年6月25日
MeanFlow: Mean Flows for One-step Generative Modeling
2026年6月25日
NextStep-1: Toward Autoregressive Image Generation with Continuous Tokens at Scale
2026年6月25日
Ovis-U1: Unified Understanding, Generation and Editing
2026年6月25日
Qwen-Image-Edit / Qwen-Image-Edit-2509
2026年6月25日
Qwen-Image: 阿里巴巴 20B MMDiT 文生图基础模型
2026年6月25日
Diffusion Transformers with Representation Autoencoders (RAE)
2026年6月25日
Seedance 1.0: Exploring the Boundaries of Video Generation Models
2026年6月25日
Seedream 3.0 Technical Report
2026年6月25日
Show-o2: Improved Native Unified Multimodal Models
2026年6月25日
SkyReels-V2: Infinite-Length Film Generative Model
2026年6月25日
UniWorld-V1: High-Resolution Semantic Encoders for Unified Visual Understanding and Generation
2026年6月25日
Wan: Open and Advanced Large-Scale Video Generative Models (Wan 2.1)
2026年6月25日
Wan 2.2
2026年6月25日
ERNIE-Image Technical Report
2026年6月25日
Ideogram 4.0
2026年6月25日
InternVL-U: Democratizing Unified Multimodal Models for Understanding, Reasoning, Generation and Editing
2026年6月25日
Krea 2
2026年6月25日
Qwen-Image-Flash: Beyond Objective Design
2026年6月25日
Skywork UniPic 3.0: Unified Multi-Image Composition via Sequence Modeling
2026年6月25日
中国系文生图/编辑族横向对比：CogView · Qwen-Image · Hunyuan · Seedream · Kolors · ERNIE 及开源诸侯（2021–2026）
2026年6月25日
统一/Omni 模型族横向对比：Chameleon · Emu · Janus · BAGEL · OmniGen · Show-o · VAR 谱系
2026年6月25日
视频生成族横向对比（Sora · Veo · Wan · Movie Gen · HunyuanVideo · Kling · CogVideoX 及其谱系）
2026年6月25日
训练方法：目标函数·多阶段·偏好对齐·蒸馏

GitHub