Groot
PulseAugur coverage of Groot — every cluster mentioning Groot across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
新的数据策略提升了VLA模型在机器人领域的空间泛化能力
研究人员开发了一种新的数据收集策略，以提高用于机器人操作的视觉-语言-动作（VLA）模型的空间泛化能力。研究认为，仅仅增加视点数量是不够的，模型常常会因为关注虚假关联而陷入捷径学习。通过采用一种结合连续摄像机运动和多样化静态视点的混合方法，所提出的方法显著减少了这些虚假关联，从而提高了性能和训练稳定性。该策略已被证明有利于各种VLA模型架构，使其能够更好地泛化到未见的摄像机姿态和物体配置。
-
AWS Strands SDK 简化机器人 AI 训练和部署
AWS 发布了 Strands Robots SDK，这是一个开源工具包，旨在简化在机器人硬件上训练和部署 AI 模型的过程。该 SDK 集成了包括 LeRobot 堆栈和 Hugging Face Hub 数据集在内的各种组件，允许用户组合能够记录演示、训练策略和协调机器人集群的代理。这个新 SDK 旨在通过最少的代码更改，将从 Hugging Face Hub 上的数据收集到物理机器人上的执行的整个工作流程进行简化，支持模拟和真实硬件。
-
英伟达与LG集团合作建设AI工厂
英伟达已与LG集团合作建设AI工厂，旨在增强LG在机器人、自动驾驶和数据中心等核心业务。此次合作将利用英伟达的Isaac Sim和GR00T框架来训练家用机器人，并建立用于外部数据供应的实体AI数据工厂。此外，LG Uplus和LG CNS将利用英伟达的DSX平台构建可扩展的AI工厂，而LG Energy Solution将探索数据中心的储能解决方案。LG Electronics还将与英伟达的DRIVE Hyperion架构对齐，以实…
-
人形机器人利用世界模型从多样化数据中学习
研究人员正在探索创新的数据策略，以克服人形机器人开发中的瓶颈。一种关键方法是采用“数据金字塔”，整合包括被动互联网视频、合成数据和稀缺的真实机器人数据在内的多样化数据源。世界模型被用作“数据海绵”，吸收和整合这些异构数据集，使机器人能够以显著减少的真实世界交互来学习复杂任务。