研究人员开发了一种新的云边多模态交互系统，用于机器人，旨在改善计算能力有限环境中的人机交互。该系统集成了增强的基于YOLO的手势检测器，该检测器集成了卷积块注意力模块（Convolutional Block Attention Module）和Distance-IoU损失，以实现更好的手势识别和定位。该检测器与大型语言模型（LLM）和视觉语言模型（VLM）代理协同工作。云层处理手势检测和动作规划等复杂任务，而机器人则执行动作并提供反馈。实验表明，手势检测的精度和mAP值很高，单动作任务的成功完成率高达95%，用户满意度评分为3.69（满分5分）。 AI
影响 通过在资源受限环境中改进手势识别和任务规划，增强了机器人的交互能力。
排序理由 该集群包含一篇详细介绍机器人新系统的研究论文。
- arXiv
- Convolutional Block Attention Module
- DagsHub
- Distance-IoU loss
- Hugging Face
- large language model
- TonyPi robot
- vision-language model
- YOLO
- YOLO-DC
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
