在2024年，我们将看到具有高分辨率和长期连贯性的视频生成。这将需要更多的“思考” ，即系统2的推理和长远规划。
除了模仿学习，斯坦福团队还开发了低成本的全身遥操作系统Mobile ALOHA，用于收集双臂移动操作数据。该系统将机器人安装在轮式底座上，实现了全身远程操控。研究人员可以通过遥控器控制机器人的移动和操作，从而完成各种复杂的任务。这个全身远程操控系统的设计简单直接，使用方便灵活，为机器人的操作提供了便利。
此外，M2UGen还加入了适配器和LLaMA2模型，使得该模型具备多种能力。
另外，DreamTalk还具有说话风格预测的功能，能够根据语音预测说话者的风格，并同步表情，使得动画更加贴近原始音频。此外，该框架适用于多种场景，可以用于歌曲、不同类型的肖像，甚至在嘈杂环境中也能表现良好。
他表示，2023年是FF发展史上的里程碑，公司已形成经营闭环并正式进入交付营收阶段。在完成SOP（小批量生产）后，首辆FF912.0已经下线，并完成了终极发布、共创交付等重要步骤。他还透露，包括Chris Brown在内的美国塔尖行业领袖已经成为FF912.0的用户，并加入共创官大家庭。