Embodied Agents
PulseAugur coverage of Embodied Agents — every cluster mentioning Embodied Agents across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新框架通过推理和物理基础增强AI具身操作 · 已追踪4个来源
研究人员开发了Guava框架，旨在通过整合高级推理与外部感知、规划和控制模块来增强AI代理的具身操作能力。该框架确定了迭代感知-推理-行动循环、语义动作抽象和多模态观察是有效具身代理的关键组成部分。Guava已证明其能够以极少量的训练数据将复杂的操作技能提炼成一个紧凑的4B开源模型，在模拟和现实世界环境中均取得了与前沿专有模型相当的性能。此外，PhysVLA框架提供了一个即插即用的解决方案，它可以在不重新训练的情况下包装现有的视觉-语…
-
RECENT框架使小型语言模型能够实现具身智能体技能的接地
研究人员开发了RECENT（RECENT）框架，旨在利用小型语言模型（sLMs）来改进具身智能体的技能接地。该方法将技能视为可执行代码，在通过局部代码重构适应特定具身和环境条件的同时，保留语义意图。RECENT在各种机器人具身和动态环境中展示了稳健的长时程性能，其性能可与大型语言模型相媲美，同时利用了更受限的sLMs。
-
新MaskLAM方法增强具身智能体训练
研究人员开发了一种名为MaskLAM的新方法，用于改进使用潜在动作模型（latent action models）的具身智能体（embodied agents）的训练。该技术解决了视频中与动作相关的视觉干扰物问题，这些干扰物可能导致模型学习不相关的运动，而不是智能体控制的动力学。MaskLAM通过将重建目标仅集中在属于智能体的像素上，有效地迫使潜在动作代表智能体的实际运动。这种方法在预训练期间不需要架构更改或额外的标签，并在基准任务上…
-
新的POLAR框架通过长期记忆增强个性化AI代理
研究人员推出POLAR框架，旨在增强基于多模态大语言模型（MLLM）的具身代理的个性化协助能力。POLAR利用多模态知识图谱存储来自长期用户交互的语义和情景记忆。该记忆系统允许代理通过检索相关的过往经验来理解隐式请求并指导任务执行。评估表明，POLAR能够持续提升代理的性能，尤其是在需要多轮交互推理和跟踪不断变化的用户上下文的场景中。
-
提出基于6G网络的具身智能体低延迟架构
一篇新的研究论文提出了一种利用6G网络能力的具身智能体通信架构。该系统旨在满足与现实世界进行物理交互的智能体严格的、异构的通信需求。该架构包括人类意图感知、基于O-RAN的传输和智能中介层，实验结果显示延迟在毫秒级别。