PulseAugur
实时 08:14:07
English(EN) Agentic Real2Sim: Physics-based World Modeling with Vision-Language Agents

新框架使用视觉语言智能体进行基于物理的机器人仿真

研究人员开发了Agentic Real2Sim,一个将机器人交互的真实世界录音转换为可运行物理仿真的框架。这个过程通常劳动密集且需要手动调整,但通过使用视觉语言智能体来推断场景几何、物体状态和物理参数,得到了简化。该框架旨在降低创建这些用于下游机器人任务(如策略学习和评估)的“情景孪生体”的成本和精力,并取得了与更昂贵的尖端模型相当的成功率。 AI

影响 简化了用于训练和评估机器人策略的逼真仿真环境的创建。

排序理由 该集群包含一篇详细介绍机器人研究新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架使用视觉语言智能体进行基于物理的机器人仿真

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Guanxiong Chen, Qianjun Xia, Jiawei Peng, Heng Zhang, Bole Ma, Justin Qian, Ziyi Jiao, Bingyang Zhou, Luoxin Ye, Kaifeng Zhang, Kunyi Wang, Weijia Zeng, Yunuo Chen, Pengzhi Yang, Ziqiu Zeng, Huamin Wang, Chao Liu, Alan Yuille, Fan Shi, Changxi Zheng, Yun… ·

    Agentic Real2Sim: 基于物理的视觉语言智能体世界建模

    arXiv:2607.19190v1 Announce Type: cross Abstract: Real-to-sim conversion for robotic interaction with objects remains labor-intensive because it requires more than visual reconstruction: a streamlined real2sim process must recover scene geometries and object states, infer physica…