GR00T N1.5
PulseAugur coverage of GR00T N1.5 — every cluster mentioning GR00T N1.5 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
AI代理通过不断演化的外部模型探索递归自我改进 · 跟踪10个来源
多篇研究论文探讨了AI代理的递归自我改进（RSI）技术，旨在无需持续的人工干预或核心模型的再训练即可增强其能力。这些方法侧重于演化外部组件，如验证器、机制或世界模型，然后指导代理的学习和决策过程。方法包括用于验证器程序的统一协同演化（UCoE）、用于具身代理的AdaRSI、用于策略和记忆适应的MMLA-RSI，以及用于显式世界-语言-动作模型的D-World。其他研究引入了物理RSI（用于机器人）、AReaL-RSI（用于协调研究团队…
-
新的VLA模型增强机器人推理、安全性和效率 · 跟踪10个来源
研究人员正在为机器人技术开发先进的视觉-语言-动作（VLA）模型，重点是提高推理、安全性和效率。TOAST和TRUST等新方法旨在通过引入随机性和监控推理过程来增强策略学习和运行时安全性。其他进展包括用于城市导航的专用模型（UrbanVLA）、可泛化的奖励生成（Large Reward Models）以及节能的脉冲驱动架构。此外，还在努力改进VLA系统中的多智能体协调和长时任务规划。
-
新的机器人研究推动了灵巧操作和抓取能力
研究人员开发了几个新的框架来改进机器人技术中的灵巧操作。ProxiDex 利用动态引导的邻近策略来重建交互点云并预测未来的观测潜变量，从而增强了视觉反馈不确定性下的鲁棒性。Weave 专注于从人类演示中学习全身灵巧的 loco-manipulation，将捕获的交互转换为可执行的机器人参考。Bench2Dex 为各种灵巧手之间的视觉-触觉双手机器人操作提供了一个模拟基准，并提供了一致的观测格式。ConGraspXL 扩展了先前的工作，…
-
新HRIBench基准测试揭示了当前机器人协作能力的局限性
研究人员推出了HRIBench，这是一个旨在评估人机协作的新基准测试，侧重于交互动态而非孤立的操作技能。HRIBench通过明确的角色、时间依赖性和协调约束来模拟协作任务，包含13个任务和超过650个评估回合。初步评估表明，包括GR00T和pi0.5在内的当前基础机器人策略在协作环境中表现出显著的局限性，尤其是在时间协调和意图感知行为方面。然而，在HRIBench上的微调持续提高了协作性能，并且该基准测试中的模拟数据已证明能显著提高机…
-
Phone2Act 系统使用智能手机控制机器人以收集 AI 数据
研究人员开发了 Phone2Act，一个新颖的远程操作系统，通过 Google ARCore 将标准智能手机用作 6-DoF 机器人控制器。这个低成本、硬件无关的框架旨在简化和扩展用于训练 Vision-Language-Action (VLA) 模型的操纵数据的收集。通过解耦控制逻辑并支持各种机器人平台，Phone2Act 使研究人员能够更经济地收集多样化的数据集，用于即时微调 GR00T-N1.5 等模型。