habitat
PulseAugur coverage of habitat — every cluster mentioning habitat across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的FUSE框架使具身智能体能够主动建立功能可供性基础
研究人员推出了一种新颖的主动功能可供性基础框架FUSE。该系统使具身智能体能够智能地探索环境并根据物体功能而非仅仅是身份来识别物体。FUSE采用自适应语义-几何证据获取策略，结合了由不确定性驱动的探索和学习型规划器，以选择最佳的视点来收集信息。该框架已在Habitat模拟器中的一个新基准上进行了评估，与现有方法相比，在基础性能和计算效率方面均表现出色。
-
新模型和框架推动具身AI能力发展
研究人员正在开发先进的模型和框架，以实现更具能力的具身人工智能。一种方法是Athena-Brain-8B，一个为设备端机器人大脑设计的8B LLM，展现出强大的通用智能和具身交互能力，并能给出简洁的响应。另一篇论文探讨了Edmund Berkeley和David L. Heiserman的历史工作，将其视为一个未被充分探索的具身智能架构，将逻辑与硬件和时间扩展行为联系起来。此外，一个1.5B的开源VLA模型MiniCPM-Robot，…
-
新的CoFL-S框架增强了机器人导航的低级动作生成
研究人员推出了一种新颖的CoFL-S框架，旨在改进视觉语言导航（VLN）任务的低级动作生成。该方法在机器人的局部视图内预测一个语言条件流场，从而能够生成连续轨迹。通过将现有的VLN-CE片段转换为带有对齐子指令和动作目标的帧级监督，CoFL-S得到了训练。与在新的连续时间Habitat基准上的动作令牌和动作块基线相比，该框架表现出优越的性能，并在实际部署中显示了有效性。
-
MASt3R-Nav：像素级3D地图赋能全新机器人导航范式
研究人员推出MASt3R-Nav，一个在像素级相对3D地图上运行的新型机器人视觉导航系统。该方法绕过了复杂全局3D重建或粗粒度语义对象表示的需求，显著降低了计算负荷并提高了导航鲁棒性。该系统利用独特的WayPixel代价地图和PixelReact控制器来实现精确的路径规划和执行，在模拟和实际部署中均展现出强劲性能。
-
字体攻击诱使家用机器人出现物理操控错误
研究人员演示了一种家用机器人中的新漏洞，这些机器人使用视觉语言模型进行物体识别。通过放置带有文本的特制贴纸，攻击者可以诱使机器人错误识别物体并执行不正确的操作，例如抓取错误的物品。这种“字体攻击”利用了像CLIP这样的模型的共享嵌入空间，导致了在完整机器人流程中此前未被审视过的物理操控错误。
-
受昆虫启发的AI模型以低成本实现高效视觉导航
研究人员开发了一种新颖的受昆虫启发的视觉点目标导航模型，其灵感来源于昆虫大脑中参与联想学习和路径积分的结构。该模型旨在模仿昆虫在地点之间寻找和优化视觉引导路径的能力。该方法在计算成本显著降低的情况下，展现出与最先进模型相当的性能，并在模拟环境中表现出鲁棒性。