Dong Hao
PulseAugur coverage of Dong Hao — every cluster mentioning Dong Hao across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
北大教授董浩探讨具身AI成本
北京大学年轻的副教授、启元机器人首席科学家董浩正专注于具身AI的挑战，特别是实操机器人训练后高昂的成本。他提出了涉及HIL-UMI、规模法则和批量生产的解决方案。董浩的职业生涯包括早期在可穿戴设备和脑机接口领域的创业尝试，随后在伦敦帝国理工学院获得博士学位，期间他为一款在ACM MM获奖的开源框架做出了贡献。他认为，一个
-
北大团队开发HIL-UMI，无需实体机器人即可进行机器人训练后部署
来自北京大学和启元机器人的研究人员开发了HIL-UMI，这是一种新颖的、无需依赖实体机器人即可对具身AI模型进行训练后部署的方法。该方法解决了传统机器人训练的高成本和后勤挑战，而传统训练通常需要广泛的真实世界数据收集和干预。HIL-UMI使用一个“人在回路”系统，操作员使用手持设备执行任务，同时后台的AI模型预测动作并标记差异，仅在模型遇到困难时触发有针对性的数据收集。这大大提高了数据收集效率，并允许具身智能体的分布式、可扩展训练。
-
北京大学教授提出新的具身AI二维Scaling Law
北京大学副教授、商汤启元首席科学家董浩提出具身AI发展新范式。他认为，当前仅依赖模仿学习或强化学习的方法存在局限性，尤其是在处理错误和实现通用智能方面。董浩提倡一种二维“Scaling Law”，该法则同时考虑数据量和任务数量，旨在让机器人通过更多学习变得更高效、更有能力。
-
北京大学的Imagine2Act使机器人能够“先想象，再行动”以完成家务任务
北京大学的研究人员开发了Imagine2Act，这是一个新颖的框架，使机器人能够高精度地执行复杂的家务任务。该系统首先通过生成语义上和几何上对齐的目标点云来“想象”期望的结果，然后使用双重对齐机制来预测精确的机器人动作。这种方法有效地解决了当前方法的局限性，例如生成模型的几何推理能力差和误差累积问题。