π⁰
PulseAugur coverage of π⁰ — every cluster mentioning π⁰ across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
中国团队的10亿参数模型在具身智能基准测试中名列前茅
一个中国团队开发了FabriVLA，一个拥有10亿参数的模型，在具身智能的Evo-SOTA基准测试中超越了π⁰等领先的国际模型。这个轻量级模型在Meta-World MT50基准测试中取得了90.0%的成功率，展示了与工业应用相关的强大任务操作能力。在此基础上，该团队还推出了FabriX，一个工业具身智能大模型，以及为在真实工业环境中稳健、持续运行而设计的FabriX-Edge和FabriX-Local架构。
-
人形机器人模型Ψ₀在有限的真实世界数据上有效训练
南加州大学PSI实验室的研究人员开发了一种新的人形机器人基础模型Ψ₀，该模型专注于优化有限的真实世界机器人数据的使用。Ψ₀不依赖海量数据集，而是采用三阶段训练过程：首先，它从人类视频数据中学习通用能力；然后，使用少量真实世界机器人数据对机器人进行控制微调；最后，通过更专业的数据适应特定任务。这种方法旨在通过改进训练方法来克服机器人领域的“数据瓶颈”，尽管使用的机器人操作数据远少于当前基准，但在真实的长期任务中取得了显著成功。
-
中国大学推出机器人化学家模拟器及新的评估标准
中国科学技术大学的研究人员开发了Labimus，这是一个为人形机器人在化学实验室执行精密任务设计的模拟和评估平台。该平台旨在提供比传统的二元成功/失败指标更严格、更精确的评估，将科学准确性和鲁棒性纳入其评估体系。Labimus重建了逼真的实验室环境和资产，包括单个粉末颗粒，以准确模拟精确称量等复杂操作，并利用大型语言模型从标准操作程序（SOP）生成实验任务。
-
RoboDojo基准揭示AI机器人与人类表现的巨大差距
一项名为RoboDojo的新基准已发布，用于评估具身智能，包含42个模拟任务和18个真实世界机器人任务。该基准突显了当前AI模型与人类表现之间存在的巨大差距，在模拟环境中，最佳模型成功率仅为8.80%，在真实机器人上为12.8%，而人类的成功率分别为76.03%和100%。RoboDojo旨在为具身智能提供标准化和全面的评估，涵盖泛化能力、记忆、精度、长时序执行和开放式语义理解。
-
新方法利用桥接动作将人类操控技能转移到机器人 · 跟踪 3 个来源
研究人员开发了一种新颖的方法，通过使用“桥接动作”表示来将人类操控技能转移到机器人。该方法侧重于初始头部摄像头帧中的相对腕部平移，这是人类和机器人共有的动作空间。采用具有交错动作令牌和注意力掩码的视觉-语言-动作模型来处理具身差异，从而为双臂机器人执行新颖的操控任务实现更有效的知识转移。
-
开源Dexora模型实现高灵巧度双臂机器人控制
研究人员推出Dexora，一个专为高灵巧度双臂机器人操作设计的开源视觉-语言-动作（VLA）模型。与以往侧重于低灵巧度抓手或单臂精细操作技能的VLA系统不同，Dexora能够协调双臂，同时控制高自由度的手部。该模型利用了一个通过真实和模拟环境收集的新颖数据集，并采用质量感知训练方法来处理嘈杂的遥操作数据，在瓶盖拧紧和复杂物体操作等任务上取得了改进的性能。