研究人员推出了 ChronoGraph,这是一种新颖的函数式 4D 场景图,旨在增强具身智能体交互的理解和基础规划。该系统将对可供性部件上的动作与语义和几何状态变化联系起来,为分析过去事件和规划未来动作提供了一个统一的框架。为了促进训练和评估,创建了一个名为 ChronoGraphBench 的数据集,将人类交互视频和模拟机器人轨迹转换为用于视觉语言模型 (VLM) 的图标注问题。ChronoGraphVLM 分两个阶段进行训练,结合了图作为思维链的微调和强化学习,在各种模型规模上展示了性能的提高,并在现实世界的移动操作任务中取得了成功。 AI
影响 增强了具身 AI 在动态环境中理解和规划复杂交互的能力。
排序理由 该集群描述了一篇关于新的 AI 研究方法和数据集的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- Chenyangguang Zhang
- ChronoGraph
- ChronoGraphBench
- ChronoGraphVLM
- DagsHub
- Gotit.pub
- Hugging Face
- ScienceCast
- VLM4D
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →