BEHAVIOR-1K
PulseAugur coverage of BEHAVIOR-1K — every cluster mentioning BEHAVIOR-1K across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
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…
-
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。
-
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。
-
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。