PulseAugur
中
实时 19:51:45
English(EN) HERO: Learning Humanoid End-Effector Control for Visual Whole-Body Open-Vocabulary Object Grasping

HERO系统使人形机器人能够高精度地抓取物体

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了HERO，这是一个用于人形机器人在多样化的真实世界环境中抓取物体模块化系统。该系统结合了用于场景理解的大型视觉模型和新颖的残差感知末端执行器跟踪策略，以实现精确控制。HERO实现了2.44厘米的末端执行器跟踪误差，显著优于先前的方法，并在办公室和咖啡馆等环境中的日常物品抓取方面表现出可靠性。 AI

影响 使人形机器人在非结构化环境中能够进行更通用、更精确的物体交互。

排序理由 该集群包含一篇详细介绍机器人控制新系统的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

HERO系统使人形机器人能够高精度地抓取物体

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
该集群包含一篇详细介绍机器人控制新系统的研究论文。[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, other
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
125 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]

  1. arXiv cs.CV TIER_1 English(EN) · Runpei Dong, Ziyan Li, Arjun Gupta, Xialin He, Saurabh Gupta ·

    HERO：学习人形末端执行器控制，实现视觉全身体开放词汇目标抓取

    arXiv:2602.16705v3 Announce Type: replace-cross Abstract: Visual loco-manipulation of arbitrary in-the-wild objects requires accurate end-effector (EE) control and a generalizable understanding of the scene from visual inputs (eg, RGB-D images). Existing imitation and sim2real me…

相关话题