PulseAugur
中
实时 13:21:38
实体 Cosmos-Policy

Cosmos-Policy

PulseAugur coverage of Cosmos-Policy — every cluster mentioning Cosmos-Policy across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
5
90 天内 8
发布 · 30天
0
90 天内 0
论文 · 30天
4
90 天内 6
层级分布 · 90 天
主题
情绪 · 30 天

2 天有情绪数据

最近 · 第 1/1 页 · 共 8 条
  1. TOOL · CL_338495 ·

    新研究质疑测试时搜索在AI动作模型中的有效性

    arXiv上的一篇新论文调查了世界动作模型中测试时搜索策略的有效性,发现当前方法改进有限。审计显示,学习到的价值选择器表现不如随机选择,即使是事后诸葛亮也只显示出微小的收益。虽然令牌修剪可以减少计算量,但只实现了适度的加速,未能达到目标。研究还发现并修复了一个在重度计算下影响模拟器完整性的渲染损坏问题,突显了对测试时扩展策略进行全面审计的必要性。

  2. TOOL · CL_327435 ·

    新方法可准确衡量 AI 模型选择潜力

    研究人员开发了一种新方法,可以准确衡量“最佳 N 项”(best-of-N)选择策略为世界动作模型(WAMs)提供的潜在改进。该方法称为去噪反事实协议(denoised counterfactual protocol),通过可复现的分支和多重续写来避免高估可选余量。研究发现,标准估计值常常夸大了实际收益,对于三个 WAMs,实际可选份额在 24% 到 66% 之间。研究还表明,结构化动作扰动可以创造额外的可选余量,并且想象中的未来包含…

  3. RESEARCH · CL_312839 ·

    LaLa-World 模型使用语言提高 AI 规划效率

    研究人员推出 LaLa-World,这是一种新颖的语言条件潜在世界模型,旨在增强 AI 规划能力。通过将自然语言动作与包括模拟、机器人轨迹和通用图像/视频数据在内的各种数据源相结合,LaLa-World 展现出改进的规划性能和鲁棒性。这种方法允许跨异构数据集联合训练单一的未来预测器,以显著降低的训练成本和更快的推理速度实现与现有模型相当的规划结果。

  4. TOOL · CL_299250 ·

    新的WATCH方法改进了从人类视频中学习可迁移的世界-动作模型

    研究人员开发了一种名为WATCH的新型跨视频预训练方法,旨在改进可迁移的世界-动作模型的学习。与专注于预测单个视频内下一帧的传统方法不同,WATCH从跨不同环境的任务配对人类演示中学习。通过根据一个演示预测另一个演示的动作和未来帧,模型学会了可以跨不同场景和具身进行迁移的交互。这种方法在机器人训练后表现出显著的改进,提高了成功率和对未见过机器人的泛化能力。

  5. RESEARCH · CL_294657 ·

    机器人通过新AI框架学习高级操作和跟踪 · 跟踪10个来源

    研究人员正在开发先进的方法,使机器人能够执行复杂的操作任务,重点是提高在现实世界场景中的鲁棒性和效率。几篇论文介绍了用于具身跟踪、操作策略和任务规划的新框架和技术。这些方法旨在提高机器人导航复杂环境、避免碰撞以及从有限的人类指导中学习的能力,通常利用大型语言和视觉-语言模型进行规划和执行。

  6. SIGNIFICANT · CL_203852 ·

    荣耀推出“机器人手机”,重塑其AI身份

    荣耀公司发布了其“机器人手机”,该设备配备了机械云台,可实现高级交互和跟踪,售价为9999元。此举将荣耀定位为具身AI领域的参与者,旨在创造超越传统智能手机的新叙事。公司大力投资AI研究,成立了专门的实验室并开发了自己的Agentic OS,机器人手机是该战略的第一个具体产出。尽管内部对销售预期存在争论,外部也对其市场必要性提出批评,但机器人手机被视为荣耀重塑其身份并在不断发展的AI格局中竞争的关键一步。

  7. RESEARCH · CL_191118 ·

    新的手术世界模型增强了机器人学习和视频生成能力

    两篇新的研究论文,Surgical WAM 和 Surg-UniWorld,引入了用于手术机器人技术的高级世界模型。Surgical WAM 通过在无动作视频上进行预训练来学习视觉动力学,从而提高数据效率,然后在有限的标记演示下增强闭环操作。Surg-UniWorld 提出了一种统一的多模态方法,使用分层锚点和相对模态专家来生成逼真且可控的手术视频,在一个新的基准测试中表现优于现有方法。

  8. RESEARCH · CL_147437 ·

    新方法利用可解释性增强世界动作模型的鲁棒性

    研究人员开发了一种新方法来提高世界动作模型(WAMs)在分布变化下的鲁棒性。通过采用机制可解释性,他们发现一些WAM架构对关键特征表现出线性可分性,从而能够进行无需训练的引导。这种方法催生了世界动作线性二次调节器(WA-LQR),这是一种能够提高对视觉噪声以及相机或夹具配置变化等各种扰动鲁棒性的控制器。WA-LQR在Cosmos-Policy和DiT4DiT等模型上展示了改进的性能,同时预测LingBot-VA的引导能力较弱。