研究人员开发了Heave-Ho,一个去中心化的框架,使多个 the humanoid robots 能够协作完成复杂的、长时域的任务。该系统采用多智能体后训练方法,基于局部观测进行协调控制,并使用带有语音同步的视觉-语言规划器进行高级任务管理。该框架允许多达十个人形机器人团队(包括异构模型甚至人类协作者)以高成功率执行搬运物体和导航障碍物等任务,性能优于基线方法。 AI
影响 使人形机器人能够执行更复杂、更协调的任务,有可能加速其在现实世界中的部署。
排序理由 该集群描述了一篇详细介绍多人形机器人协作新框架的研究论文。
在 Hugging Face Daily Papers 阅读 →
- alphaXiv
- arXiv
- Astra
- CatalyzeX
- DagsHub
- G1
- Gotit.pub
- GPT-6
- Heave-Ho
- HH-Bench
- Hugging Face
- PM01 Natsui
- ScienceCast
- SONIC
- Ting-Hsuan Chen
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →