English(EN) EMMA: Enhancing Robotic Control Robustness through a Generative Visual Model

EMMA框架利用生成式视觉模型提升机器人控制能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-21 04:00

研究人员开发了EMMA框架，旨在通过使用生成式视觉模型来增强机器人控制的鲁棒性。EMMA结合了一个名为DreamTransfer的生成式数据引擎（该引擎可创建多视角一致且在几何上合理的操纵视频）和一个包含AdaMix的训练流程。AdaMix自适应地加权训练样本，以关注具有挑战性的场景。这种方法显著提高了零样本视觉机器人任务的性能，与仅使用真实数据相比，相对提高了92%以上，而AdaMix进一步带来了17%的改进。 AI

影响通过增强的零样本视觉任务性能和生成式数据增强，提升了机器人操纵能力。

排序理由该集群描述了一篇关于使用生成式视觉模型增强机器人控制的新颖框架和方法论的最新研究论文。[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 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇关于使用生成式视觉模型增强机器人控制的新颖框架和方法论的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 6 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Zhehao Dong, Xiaofeng Wang, Zheng Zhu, Yirui Wang, Yang Wang, Yukun Zhou, Boyuan Wang, Chaojun Ni, Runqi Ouyang, Wenkang Qin, Xinze Chen, Yun Ye, Guan Huang, Zhen Lu, Yue Yang · 2026-10-21 04:00

EMMA：通过生成式视觉模型增强机器人控制鲁棒性

arXiv:2509.22407v3 Announce Type: replace Abstract: The generalization of vision-language-action (VLA) models heavily relies on diverse training data. However, acquiring large-scale robot manipulation data across varied object appearances is costly and labor-intensive. To address…

本文如何被排名

报道来源 [1]

EMMA：通过生成式视觉模型增强机器人控制鲁棒性

相关实体

相关话题