PulseAugur
中
实时 21:38:25
实体 BEHAVIOR-1K

BEHAVIOR-1K

PulseAugur coverage of BEHAVIOR-1K — every cluster mentioning BEHAVIOR-1K across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
4
90 天内 7
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 5
层级分布 · 90 天
主题
情绪 · 30 天

3 天有情绪数据

最近 · 第 1/1 页 · 共 8 条
  1. TOOL · CL_332816 ·

    VLA 模型策略在多样化机器人任务中未能泛化

    一篇新的研究论文评估了视觉-语言-动作 (VLA) 模型的推理和数据收集策略,特别关注 BEHAVIOR-1K 数据集中的 $\pi_{0.5}$ 模型。研究发现,在小规模环境中有效的策略并不能一致地迁移到更大、更多样化的任务套件中。该研究使用了一个微调后的 $\pi_{0.5}$ 模型,该模型在 BEHAVIOR Challenge 的公开测试集上取得了 0.39 的 Q 分。

  2. RESEARCH · CL_336535 ·

    新的REA运行时统一了具身智能体的快速和慢速策略

    研究人员开发了REA,一个新颖的运行时环境,旨在将来自基础模型的高级推理与具身智能体的快速、反应式策略相结合。REA通过采用独特的异步协调系统,解决了当前方法的延迟和泛化问题。该系统利用路由内存和边界触发的裁判门,确保较慢的推理过程不会阻碍实时执行,同时还为故障提供有界的恢复机制。在包括模拟和真实世界场景在内的多个机器人任务和环境中的评估表明,与现有的单智能体基线相比,REA的成功率更高,控制开销更低。

  3. TOOL · CL_325126 ·

    新基准评估机器人视觉语言模型空间理解能力

    研究人员推出了 BEHAVIOR-Spatial,一个旨在评估机器人领域视觉语言模型(VLM)空间理解能力的新基准。该基准建立在 BEHAVIOR-1K 数据集之上,评估在各种操作和导航任务中的空间问答、目标定位和机器人动作执行能力。初步评估表明,当前的 VLM 在遵循空间指令方面存在困难,特别是在目标物体发生变化或配置被排除的情况下,与有神谕视觉线索的场景相比,准确率显著降低。研究结果强调了独立于任务完成情况评估空间指令遵循性的必要…

  4. TOOL · CL_289388 ·

    新框架确保机器人世界状态可追溯且可复现

    研究人员开发了Traceable World State (TWS),一个用于机器人系统的框架,专注于维护可验证且可复现的世界状态。与优先考虑最新估计值的传统方法不同,TWS捕获详细的元数据,包括观测值、置信度级别和修订历史。这使得执行的可确定性回放、决策审计以及通过SHA-256哈希链进行防篡改日志记录成为可能。该框架已通过大量测试得到验证,证明了其检测损坏和确保状态准确再现的能力,同时存储需求略有增加。

  5. RESEARCH · CL_280227 ·

    新框架通过提高数据效率和鲁棒性来增强移动操作 · 跟踪4个来源

    研究人员正在开发用于机器人移动操作的先进框架,旨在提高数据效率和鲁棒性。VOMMI 利用便携式演示和离线轨迹重建来增强具身智能的学习,与机器人收集的数据相比,速度误差有所降低。MobileVISTA 从规范演示中生成姿态扰动训练数据,提高了人形机器人等的鲁棒性,而无需生成模型。MobiAgent 采用双循环系统进行终身学习,将高级推理与低级控制分离,并在 BEHAVIOR-1K 和 RoboCasa 等基准测试中取得了显著的成功率提升…

  6. TOOL · CL_235608 ·

    新的EGR方法提高了机器人策略在传感器问题上的鲁棒性

    研究人员开发了一种名为证据门控正则化(EGR)的新训练目标,以提高机器人视觉-语言-动作(VLA)策略的鲁棒性。该方法解决了模态纠缠问题,即策略从有限数据中学习到虚假关联,导致在传感器损坏或不可用时性能下降。EGR根据每帧和每种传感器的任务相关性来门控一致性目标,在模拟和真实机器人环境中均显示出显著的改进。

  7. TOOL · CL_106868 ·

    新的Foresight框架使用世界模型检测机器人操作故障

    研究人员开发了Foresight,一个用于检测长时程机器人操作任务中故障的新框架。该系统利用动作条件世界模型的潜在表征和函数式共形预测来监控机器人轨迹,仅需最终任务成功或失败标签即可进行训练。Foresight已在各种模拟基准上进行了评估,并在真实机器人手臂上进行了验证,展示了其在复杂机器人操作中可靠故障监控的潜力。

  8. TOOL · CL_43727 ·

    李飞飞团队发布ESI-Bench,用于评估具身空间智能

    李飞飞团队发布了一个名为ESI-Bench的新基准,用于评估AI的具身空间智能。与以往假设最优观察的基准不同,ESI-Bench要求AI代理主动采取行动来收集信息,从而闭合了感知-行动循环。使用GPT-5和Gemini等领先模型进行的初步测试表明,当前的AI在主动探索和决策方面存在困难,表现出“行动盲区”和元认知缺陷,这表明主要挑战在于战略行动而非纯粹的感知。