GR00T-N1.6
PulseAugur coverage of GR00T-N1.6 — every cluster mentioning GR00T-N1.6 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
达晓机器人发布统一具身AI模型ACE-Brain-0.5
达晓机器人发布了ACE-Brain-0.5，这是一款专为物理自主AI设计的新型统一具身基础模型。该模型将空间感知、决策规划、具身交互和自我评估整合到一个80亿参数的单一主干中。ACE-Brain-0.5旨在使机器人能够在真实环境中自主感知、规划、行动和进化，并在多项基准测试中超越现有模型。
-
WuJie Dynamics 发布 MWA™ 世界模型，机器人基准测试领先
WuJie Dynamics 发布了 MWA™，这是一种新颖的潜在空间世界模型，旨在赋予机器人“物理直觉”，以实现长期、双向的因果推理。该模型在 RoboCasa GR1 TableTop 基准测试中名列前茅，超越了 NVIDIA 的 GR00T-N1.6 等竞争对手。MWA™ 采用“潜在动作”方法和“长期双向物理因果链”框架，使机器人能够在没有明确人类动作标注的情况下理解因果关系。该公司还获得了超过 2 亿美元的融资，Pre-A 轮…
-
通过逆向动力学预测改进用于世界建模的VLM
研究人员正在探索改进视觉语言模型（VLM）在世界建模方面的预测能力的方法。一个关键挑战是VLM在正向动力学预测（根据动作生成未来状态）方面存在困难，但在逆向动力学预测（描述状态之间的动作）方面更擅长。这种不对称性正被用于通过弱监督学习（来自标注数据）和推理时验证等技术来增强VLM的性能。这些方法旨在为具身AI应用创建更强大、更准确的世界模型，其中一些方法在图像编辑和策略评估方面显示出与最先进模型相媲美的结果。
-
RLDX-1 机器人策略通过新的 Transformer 架构增强灵巧操作
研究人员推出 RLDX-1，这是一种用于灵巧操作的新型机器人策略，通过多流动作 Transformer 架构整合异构模态。该方法旨在通过整合运动感知、基于记忆的决策和物理传感来克服当前视觉-语言-动作模型的局限性。RLDX-1 在复杂现实世界任务和人形机器人控制方面，表现优于 $\pi_{0.5}$ 和 GR00T N1.6 等现有模型。
-
机器人操控平台VILAS在低成本硬件上集成了视觉-语言-动作模型
研究人员开发了VILAS，一个低成本、模块化的机器人操控平台，专为视觉-语言-动作（VLA）策略学习而设计。该系统集成了协作机械臂、电动夹爪和双摄像头设置，所有这些都通过基于ZMQ的通信架构进行协调。一种新颖的基于折纸的软抓爪扩展件，无需力传感即可轻柔地处理易碎物体。该平台用于评估和微调三个VLA模型，证明了在可及硬件上训练和部署有效的操控策略是可行的。