habitat
PulseAugur coverage of habitat — every cluster mentioning habitat across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
具身人工智能通过新架构、开源模型和统一框架取得进展
研究人员正在探索具身机器智能的新架构和框架，旨在创建能够在物理世界中有效推理和行动的智能体。一篇论文基于 Edmund Berkeley 和 David L. Heiserman 的工作，提出了一种“不竭架构”，将符号逻辑与具身认知实践机器设计联系起来。与此同时，中国人工智能公司 MiniMax 发布了开源的 MiniCPM-Robot 系列，包括用于机器人操作和跟踪的模型，旨在以低延迟在真实机器人上高效运行。这些进展得到了标准化模拟…
-
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。