PulseAugur
实时 06:20:22
English(EN) SPARC: Reliable Spatial Annotations from Robot Demonstrations at Scale

新的SPARC框架增强了机器人演示标注的可靠性

研究人员开发了SPARC,一个用于从机器人演示生成可靠空间标注的新框架。SPARC为每个标注分配一个置信度分数,这与缺乏质量信号的现有方法区分开来。该框架利用机器人任务固有的时空结构来减少噪声并保留更多有用数据。使用SPARC标注训练的模型在物体识别和指向基准测试中取得了最先进的结果,并在真实的杂乱环境中展示了卓越的性能。 AI

影响 增强了具身基础模型和机器人策略训练数据的可靠性。

排序理由 该集群描述了一篇介绍新颖机器人框架和基准的新研究论文。[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 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Nils Blank, Paul Mattes, Maximilian Xiling Li, Jakub Suliga, Thomas Roth, Moritz Reuss, Pankhuri Vanjani, Rudolf Lioutikov ·

    SPARC: Reliable Spatial Annotations from Robot Demonstrations at Scale

    arXiv:2606.13497v1 Announce Type: cross Abstract: This work introduces Spatial Annotations from Robot Demonstrations with Reliability Calibration (SPARC), a risk-aware framework that automatically labels robot demonstrations with structured spatial annotations and assigns each an…