Karl G. Jansky Very Large Array
PulseAugur coverage of Karl G. Jansky Very Large Array — every cluster mentioning Karl G. Jansky Very Large Array across labs, papers, and developer communities, ranked by signal.
8 天有情绪数据
-
新的强化学习框架通过流整流增强VLA策略训练
研究人员开发了一个新的强化学习框架,以改进基于流的视觉-语言-动作(VLA)策略的训练。该框架名为成果平衡近端策略优化(PPO)结合策略诱导流整流,解决了优化过程中几何形状变化和稀疏多任务回放带来的学习信号不均等问题。通过根据任务成功率重新加权优势并拟合线性桥流,该方法旨在增强优化行为和流一致性,在模拟操作基准和Real2Sim2Real任务上显示出更高的成功率。
-
新的H2E方法将VLA导航成功率提升10%
研究人员开发了一种名为H2E(Human-to-Embodied)的新方法,以提高视觉-语言-动作(VLA)模型在具身导航任务中的性能。H2E不依赖大型语言模型(LLM)规划器来执行每个导航步骤,而是将成功的Agent经验直接蒸馏到VLA模型中。这使得VLA能够独立导航,降低了成本和延迟。H2E方法将复杂的Agent会话(包括绕路和子指令)转换为VLA的训练数据,侧重于成功实现目标并屏蔽不相关的移动。这种方法显著提高了8B VLA模型…
-
研究发现VLA模型在微调时表现出不同的样本效率
一项新的研究论文调查了视觉语言动作(VLA)模型在演示数据上进行微调时的样本效率。该研究揭示了包括 $\pi_0$、$\pi_{0.5}$ 和 GR00T N1-N1.7 在内的六个 VLA 模型在四个 LIBERO 基准套件上的适应效率存在显著差异。值得注意的是,$\pi_{0.5}$ 表现出优越的样本效率,比 $\pi_0$ 需要更少的演示,并且在有限数据下实现了更高的成功率。研究还发现,在 GR00T 模型中,尽管 N1.6 和…
-
开发者使用最小化注意力视觉编码器训练本地VLA模型
一位机器学习爱好者开发了一个本地训练的VLA(甚大阵列)模型,该模型使用了一个最小化注意力视觉编码器。该模型维护一个768x768的大型矩阵,带有类似LSTM的单元门,总计超过2500万个参数。虽然最初是为了语言建模而设计,但该项目已转向VLA任务,模型现在通过学习到的、状态导向的对原始像素值的注意力来处理视觉信息。
-
机器人通过模拟反馈学习操作任务,而非权重更新
研究人员引入了世界上下文学习(World In-Context Learning, WICL),一种新的机器人操作范式,它利用一个固定的模型通过模拟和反馈来学习任务,而不是更新模型的权重。这种方法在RoboScript基础设施中实现,在RoboTwin 2.0基准测试的50个任务中达到了83.4%的平均成功率,比经过训练的策略在每个任务仅一次演示的情况下高出20多个百分点。该方法展示了跨视觉分布的泛化能力,并成功迁移到一台实体双臂机器人上。
-
新的REA运行时统一了具身智能体的快速和慢速策略
研究人员开发了REA,一个新颖的运行时环境,旨在将来自基础模型的高级推理与具身智能体的快速、反应式策略相结合。REA通过采用独特的异步协调系统,解决了当前方法的延迟和泛化问题。该系统利用路由内存和边界触发的裁判门,确保较慢的推理过程不会阻碍实时执行,同时还为故障提供有界的恢复机制。在包括模拟和真实世界场景在内的多个机器人任务和环境中的评估表明,与现有的单智能体基线相比,REA的成功率更高,控制开销更低。
-
新的 UMI-Live 系统支持野外双臂机器人数据采集
研究人员开发了 UMI-Live,这是一个开源系统,旨在在真实环境中收集双臂机器人数据。该系统集成了摄像头和 LiDAR 等各种传感器以及车载计算,无需外部跟踪或校准。UMI-Live 异步处理数据,创建可用于机器人学习的现成数据集。通过微调两个模型 $\pi_{0.5}$ 和 MolmoAct2,证明了该系统的有效性,这两个模型在双臂抓取和放置任务上取得了很高的成功率。
-
新的机器人自主性基准和主权AI操作系统投入使用
引入了一个新的基准RobotAgentBench (RAB),用于在真实的、开放世界的家庭环境中评估机器人代理。该基准旨在通过评估任务发现、上下文推理、操作和故障恢复等能力来捕捉开放世界机器人自主性的复杂性。另外,360安全创始人周鸿祎宣布,其包含计算、模型、知识库和代理工厂的主权AI操作系统已有一些组织在使用。
-
新的Echo框架提高了机器人任务完成度和失败恢复能力
研究人员推出了一种名为Echo的新型框架,旨在增强机器人任务的视觉语言动作(VLA)模型的能力。Echo将停止和失败信号直接整合到动作生成过程中,使机器人能够在无需大量细粒度进度标签的情况下识别任务完成并启动恢复或重新规划。这种方法通过广泛的真实世界操作实验简化了学习过程并提高了策略性能。
-
VLA-Rolling 框架通过复用丢弃的动作,为更快的、更准确的 VLA 模型提供支持
研究人员开发了 VLA-Rolling,一个改进视觉-语言-动作 (VLA) 模型效率和控制的新框架。该方法通过自适应地根据置信度估计来优化这些复用的尾部,而不是从头开始重新生成,从而复用先前规划周期中丢弃的动作尾部。VLA-Rolling 可以在各种基准测试和模型上实现更快的推理时间和更高的成功率。
-
OrbiSim:将世界模型作为具身智能的可微分物理引擎
研究人员推出了一种新颖的机器人模拟范式OrbiSim,该范式将世界模型视为完全可微分的物理引擎。这种方法实现了跨模拟循环的端到端可微分,从而能够进行基于梯度的策略优化和直观的物理推理等任务。与现有的世界模型相比,OrbiSim旨在提高预测保真度和控制性能,为具身智能提供了一条物理基础的途径。
-
四川 EIR 机器人获超 1 亿元融资,用于情感智能人形机器人
四川 EIR 机器人已获得超过 1 亿元人民币的 Pre-A 轮融资,用于推进其人形机器人“爱球”的研发,该机器人专注于为家庭用户提供情感陪伴。公司采用“情感原生”方法,整合软硬件以实现长期人机交互,并配备独特的 3D 投影面部以实现动态表情。EIR 目标是到 2026 年底实现量产 10,000 台,利用其全栈研发能力和区域产业支持,使人形机器人能够普及并为家庭带来情感互动。
-
RoboHarness 使LLM代理能够超越专业的机器人模型
一个名为RoboHarness的新开源机器人Harness已被开发出来,它使大型语言模型(LLMs)能够执行具身操作任务。该系统为LLM代理提供了一个视觉-几何控制接口,使它们能够直接理解和执行具身任务。当与Qwen3.8-Flash-Next模型结合使用时,RoboHarness在BEHAVIOR Challenge 2025机器人基准测试中表现优于最先进的视觉-语言-动作(VLA)模型。
-
Splat2Act 管道使用 3D 场景重建来个性化机器人操作策略
研究人员开发了 Splat2Act,这是一个新颖的管道,可将通用的视觉-语言-动作 (VLA) 操作策略个性化,以适应特定环境和物体。该系统使用手持手机扫描,通过 3D 高斯飞溅和碰撞几何来创建场景的逼真数字孪生。然后,它会自动识别容器,生成拾取任务,并使用模拟神谕创建演示,仅需要人类进行场景和物体捕捉。当应用于 101 个校园环境时,该管道生成了超过 68,000 个拾取演示,并且微调后的策略在目标场景中达到了 62.5% 的拾取成…
-
新的调优方法恢复量化VLA的泛化能力
研究人员开发了一种名为策略诱导面向脆弱性调优(PIVOT-Q)的新方法,以提高量化超大规模数组(VLA)的泛化能力。量化是减小模型尺寸的过程,有时会使VLA更容易受到环境干扰,尽管其在分布内的性能保持不变。PIVOT-Q通过使用全精度策略作为教师来选择性地解决这些脆弱状态,从而在各种VLA骨干网络和量化技术中实现一致的性能恢复。这种方法比全状态蒸馏更有效,所需的蒸馏预算显著减少。
-
新AI框架利用偏好引导机器人策略实现新行为
研究人员推出PrefPI,一个新颖的框架,仅使用相对偏好来引导预训练的生成机器人策略实现分布外行为。该方法将偏好学习构建为偏好条件生成建模,利用由无分类器引导放大的密度比。通过迭代应用此过程,PrefPI能够实现显著的行为转变,即使对于策略最初未观察到的行为也是如此。该框架已在各种扩散策略和PI0.5流匹配VLA上证明了有效性,在有限的偏好数据下,在真实硬件上实现了物体搬运高度的显著改变。
-
大语言模型 vs. 自主AI:一名研究生权衡职业道路
一位研究生正在就未来职业生涯的两个不同研究方向寻求建议:通用大语言模型(LLM)工作,包括对齐、安全和可解释性等领域;以及自主和物理AI,包括多模态能力和机器人技术。该学生指出,目前LLM职位更丰富且可转移性强,而自主AI则提供更高的增长潜力,但更专业化且需要更广泛的先决条件。他们正在权衡LLM研究的职业安全性和可转移性,以及自主AI领域专业化、潜在回报更高的路径,并考虑了各自领域的学术项目实力。
-
谢月智能为具身AI模型融资数亿元
谢月智能已获得数亿元人民币的A+轮融资,Linear Capital和君山资本等投资者参与了投资。该公司计划利用这笔资金推进其双工推理具身大模型,增强其计算能力和数据基础设施,并扩大核心团队。谢月智能成立于2026年2月,专注于开发家庭环境的具身大模型,旨在创造由其专有模型驱动的通用家用机器人。
-
Starlink 信号泄露威胁射电天文学频率
据报道,Starlink 的卫星星座正在造成射频干扰,威胁到敏感的射电天文观测。这种泄露影响了用于科学研究的关键频率,特别是对 Karl G. Jansky Very Large Array 的影响。美国国家科学基金会等组织担心对关键的 22 GHz 观测可能产生的影响。
-
HuRo管道将人类视频机器人化以进行可扩展的VLA预训练
研究人员开发了一种名为HuRo的新型管道,用于将人类视频转换为机器人对齐数据,以预训练视觉-语言-动作(VLA)策略。该方法通过系统地处理异构视频源,解决了人类和机器人动作之间具身鸿沟的挑战。由此产生的HuRo数据集包含约63万个机器人化片段,在现实世界的操纵任务中表现出显著的改进,提高了完成率和分布外鲁棒性。