Jim Fan

机器人模型首次实现8000时间步的长期记忆，推理成本保持恒定，性能提升3个数量级。

英伟达推出ENPIRE框架，让AI agent自主完成机器人研究，成功率达99%。

ENPIRE 通过 8 个 Codex 智能体和机器人协作，实现了物理世界的自动研究，能完成高精度任务并自我改进。

NVIDIA GEAR 实验室发布 ENPIRE 系统，让 AI 编程 agent 在真实物理世界中自主操控机器人完成实验，成功率高达 99%。

NVIDIA released three physical AI papers at CVPR2026, offering groundbreaking solutions for large-scale training across diverse applications, with a focus on GraspGen-X—the first foundation model for zero-shot grasping, trained on billions of simulated grasps.

英伟达Jim Fan宣布VLA路线过时，提出新范式WAM，代表作为DreamZero，预计2040年实现机器人自主设计制造，置信度95%。

Jim Fan shared the roadmap for solving Physical AGI, emphasizing the critical role of video world models and World Action Models in robotics.

NVIDIA科学家Jim Fan在Sequoia AI Ascent会议上提出，机器人技术仅剩3项关键突破，95%确信2040年前将实现通用具身智能的全面工程化落地。

文章声称 Codex 在基准测试中优于 Claude 和 Kimi，但缺乏具体数据和论证，信息密度低。

英伟达Jim Fan认为机器人物理AI将迎来重大突破，通过借鉴大型语言模型的方法来实现。

Jim Fan分享了观看机器人精确组装的体验，但缺乏技术深度和工程实践指导。

NitroGen received a CVPR Best Paper Honorable Mention for its progress in creating general-purpose embodied agents that master physics across both real-world and simulated multiverses.

This tweet only contains a title and a link, lacking in-depth technical content.

This article is mainly a tweet link, lacking in-depth technical content and not recommended for engineers to read.

视频讨论了Nvidia的Jim Fan对于机器人技术终局的看法，但正文内容缺失，无法提供深度分析、新颖性或实用性信息。