实体
CogACT
CogACT
PulseAugur coverage of CogACT — every cluster mentioning CogACT across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新型CFAM架构支持物理AI的部署后学习
研究人员推出了一种名为持续场适应模型 (CFAMs) 的新型架构，专为需要在部署后进行学习和适应、且车载计算能力有限的物理AI系统设计。CFAMs采用双组分系统：一个稳定的、慢速学习的核心，以及一个称为胶囊场 (Capsule Field) 的快速、无梯度学习组件。这种方法能够实现高效的实验室训练以及在现场进行持续、自主的更新，而不会抹去先前获得的技能。在五个不同的机器人实体上的评估表明，CFAMs能够实现与在显著更多数据上训练的模型…
-
机器人 VLA 模型通过使用行动上下文进行计算，速度提升 1.79 倍
研究人员开发了一个名为 AC²-VLA 的新框架，以显著加速机器人中使用的视觉语言行动 (VLA) 模型。与以往专注于优化视觉处理的方法不同，AC²-VLA 利用机器人的行动上下文动态调整计算。这种方法能够智能地修剪视觉标记，跳过不必要的 Transformer 层，并在适当的时候重用之前的计算，从而在不牺牲准确性的情况下将推理速度提高了 1.79 倍。该框架在 SIMPLER 基准测试上进行了评估，其性能优于现有模型，并展示了在边缘…
-
三星的DAM-VLA解耦机器人手臂和抓手动作，实现SOTA操控
研究人员推出DAM-VLA，这是一种新颖的视觉-语言-动作（VLA）模型，旨在通过解耦手臂运动与抓手动作来增强机器人操控能力。该方法解决了现有模型将单一动作框架用于所有任务的局限性，而这种方法难以应对大规模手臂运动和精确抓手操作的独特需求。DAM-VLA利用双尺度加权机制和动态动作路由来提高效率和准确性，在抓取放置和家具组装任务上取得了最先进的成果。