实体
Dex-Net
Dex-Net
PulseAugur coverage of Dex-Net — every cluster mentioning Dex-Net across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
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
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
深度强化学习改进机器人抓取
研究人员开发了一个新颖的强化学习框架，以提高机器人抓取能力。该系统集成了深度Q网络（DQN）和基于关键点的物体表示，利用二维图像来精炼初始抓取候选。在Dex-Net数据集上使用UR5机械臂进行的实验表明，对于先前无法抓取的物体，成功率达到了100%。该框架的有效性通过在Delta并联机器人上的仿真到真实迁移得到了进一步验证，展示了其在可扩展和适应性强的机器人操作方面的潜力。
-
机器人领域面临“数据鸿沟”，需工程与数据融合
加州大学伯克利分校教授Ken Goldberg指出，与大型语言模型相比，机器人领域存在显著的“数据鸿沟”。他提到，当前机器人操作数据相当于人类阅读几年的量，而大型语言模型则相当于10万年。Goldberg认为，尽管规模法则推动了大型语言模型的进步，但对于具身人工智能而言，仅仅依赖数据可能是一种误导。他提出，将传统的工程原理（如鲁棒的系统架构和物理建模）与数据驱动的方法（如视觉-语言-动作（VLA）模型）相结合，对于推动机器人技术的发展至关重要。