LIBERO-Plus
PulseAugur coverage of LIBERO-Plus — every cluster mentioning LIBERO-Plus across labs, papers, and developer communities, ranked by signal.
8 天有情绪数据
-
新的基准测试IndustrialVLA-Bench评估开放机器人策略模型
一个名为IndustrialVLA-Bench的新评估基准已被开发出来，用于评估开放机器人策略模型，特别是将视觉-语言-动作（VLA）模型与世界-动作模型（WAMs）进行比较。该基准引入了一个统一的报告模式，用于评估六个不同系统在能力、对非语言变化的鲁棒性以及指令敏感性方面的表现。结果表明，虽然模型在干净能力得分上相似，但在鲁棒性和释义评估中显示出显著差异，这表明评估协议的选择极大地影响了感知到的性能。
-
RoboRSI系统使机器人能够学习和重用技能
研究人员开发了RoboRSI，一个新颖的机器人自我改进系统，使机器人在复杂的真实环境中学习和重用技能。该系统利用自上而下的技能精炼（TSR）将任务分解为可管理的技能，从而实现稳定高效的技能进化。RoboRSI已在家庭清洁任务中取得成功，并在各种模拟基准测试中取得了高分，性能优于现有方法。
-
新的DRIVE方法通过多样化的成功轨迹增强VLA策略的泛化能力
研究人员开发了一种名为DRIVE（Diversity-driven RL fIne-tuning for VLA gEneralization）的新方法，以提高视觉-语言-动作（VLA）策略的泛化能力。该技术利用强化学习显式地鼓励成功轨迹的多样性，而不是仅仅优化成功本身。在LIBERO-Plus、ManiSkill3和RoboTwin 2.0等基准测试上的实验表明，DRIVE平均将域外性能提高了5.3个百分点。在AgileX PiPE…
-
新的RV-ICL方法通过分层视频学习提升机器人任务成功率
研究人员开发了递归视频上下文学习（RV-ICL），这是一种新颖的无需训练的方法，旨在提高LLM代理在机器人任务中的性能。该方法将演示视频转换为可导航的层次结构，使代理在任务执行过程中能够根据需要访问越来越精细的细节级别。通过关注抓取和释放等子事件，RV-ICL显著提高了成功率，在LIBERO-PRO基准测试上的性能从92.6%提升到96.5%，在LIBERO-Plus上的性能从86.7%提升到95.8%。
-
新的视觉语言-动作框架使用“想象力”进行高效机器人控制
研究人员开发了IG-VLA，一个新颖的视觉语言-动作（VLA）模型框架，通过使模型能够“想象”未来场景演变来增强机器人操作。这种方法在最近的arXiv论文中有所介绍，它使用潜在时空推理来预测未来状态，而无需昂贵的像素级生成。为了进一步优化效率，IG-VLA包含一个场景精髓记忆（Scene Gist Memory），将推理得出的关联存储为紧凑的令牌，从而在推理过程中绕过显式的未来想象。在LIBERO和VLABench等基准测试上的实验表…
-
新研究推动机器人世界模型以实现高效规划和控制 · 已追踪 10 个来源
近期研究探索了用于机器人和智能体规划的世界动作模型（WAMs）的进展。WAM-Cache 和 WAMJET 通过优化键值重用和采用智能体约束来识别和优化瓶颈，专注于加速推理，在不影响动作质量的情况下实现了显著的加速。MobileWorldBench 为 GUI 智能体的语义世界模型引入了一个基准和数据集，超越了像素预测，实现了自然语言状态转换。Tempo 和 COSTGRAD 为潜在世界模型提供了新的规划目标和令牌选择方法，提高了长时…
-
新框架通过提高数据效率和鲁棒性来增强移动操作 · 跟踪4个来源
研究人员正在开发用于机器人移动操作的先进框架，旨在提高数据效率和鲁棒性。VOMMI 利用便携式演示和离线轨迹重建来增强具身智能的学习，与机器人收集的数据相比，速度误差有所降低。MobileVISTA 从规范演示中生成姿态扰动训练数据，提高了人形机器人等的鲁棒性，而无需生成模型。MobiAgent 采用双循环系统进行终身学习，将高级推理与低级控制分离，并在 BEHAVIOR-1K 和 RoboCasa 等基准测试中取得了显著的成功率提升…
-
新的机器人控制方法在没有未来预测的情况下适应生成式AI模型
研究人员开发了NowWAM，一种新颖的机器人控制协同训练方法，该方法利用预训练的生成式Diffusion Transformers (DiTs)。与依赖未来视觉预测的先前方法不同，NowWAM通过去噪当前观测值，将DiT的原生生成目标直接耦合到动作预测。该方法在LIBERO-Plus基准测试中取得了87.7%的准确率，使用了FLUX2-Klein骨干网络，比现有方法提高了6.1个百分点，显示出更强的鲁棒性和效率。此外，NowWAM显著…
-
新研究探讨VLA模型效率和延迟权衡 · 跟踪2个来源
两篇新研究论文探讨了视觉-语言-动作（VLA）模型的效率和性能。第一篇论文分析了SmolVLA，展示了ONNX等部署优化如何显著降低延迟，但可能会影响任务成功率，尤其是在空间任务中。第二篇论文研究了高效VLA模型的设计，发现动作头初始化对性能至关重要，并且当前的扩展实践在准确性方面可能会带来边际效益递减的延迟。
-
EBKernel发布Cog-WM 1.0，一款受大脑启发的机器人导航和操作模型
上海的EBKernel（具脑磐石）发布了Cog-WM 1.0，这是一款新颖的、受大脑启发的潜在世界模型，旨在使机器人能够自主探索和操作环境。该模型不再依赖预先构建的地图和海量数据集，而是从人类认知机制中汲取灵感，用于导航和操作任务。早期基准测试表明，与现有的最先进方法相比，Cog-WM 1.0在导航和操作方面的成功率均显著提高，预示着更通用、数据效率更高的具身AI的新途径。
-
新的CASD方法通过蒸馏语义目标来增强机器人操作能力
研究人员开发了一种名为分块对齐语义蒸馏（CASD）的新方法，以改进机器人操作任务。CASD使用离线视觉语言模型将演示分解为多个阶段，并为整个动作块（即使是跨越多个阶段的动作块）推导出语义目标。这种方法训练一个以这些预测为条件的策略，与现有方法相比，在各种基准测试和机器人集成中表现得到提升。
-
Axis Robotics 推出基于浏览器的机器人操作研究数据库引擎
Axis Robotics 推出了 AXIS，一个新颖的、基于浏览器的数据库引擎，旨在加速机器人操作研究。该系统允许通过 Web 界面进行连续数据收集，后端 GPU 负责处理训练和渲染等计算密集型任务。该数据集目前在 Hugging Face 上提供非商业学术用途，包含 207 个任务的 50,000 多条轨迹，通过程序化生成以确保多样性和可扩展性。初步结果表明，使用 AXIS 数据训练的模型在操作任务上的性能显著优于使用静态数据集训…
-
新世界模型训练机器人以提高性能，训练后退出 · 跟踪 1 个来源
研究人员开发了一种新颖的世界模型 Phi-WM 1.0 ActEffect，旨在通过在训练后战略性地退出部署过程来提高机器人性能。与在任务执行期间保持活跃的传统模型不同，ActEffect 专注于在训练阶段预测机器人动作的后果。这种方法使机器人能够在没有持续世界建模的计算开销的情况下从潜在结果中学习，从而提高能力并降低部署成本。初步测试表明，在包括 LIBERO、LIBERO-PLUS 和 RoboCasa-GR1 在内的各种基准测试…
-
新的SA-WAM模型将3D数据整合到机器人策略学习中
研究人员开发了一个空间感知世界动作模型（SA-WAM），该模型将3D几何信息整合到用于机器人策略学习的大规模预训练视频扩散模型中。该模型重新利用现有的视频扩散骨干网络来同时预测动作、RGB和深度，从而无需大量微调即可实现3D感知世界建模。SA-WAM在RoboCasa和LIBERO-Plus等基准测试中表现出最先进的性能，并在UR5机械臂上显示出强大的实际改进。
-
新的SCVC方法在无需摄像头数据的情况下增强了机器人视点鲁棒性
研究人员开发了一种名为选择性跨视图一致性（SCVC）的新方法，以提高世界动作模型（WAMs）在处理摄像头视点变化时的鲁棒性。传统的WAMs在处理视点扰动时会遇到困难，而SCVC通过仅将一致性损失应用于动作和本体感觉等视点不变的元素，而不是像预测场景等视点共变的元素来解决这个问题。这种方法在训练或测试期间不需要摄像头信息，在未见过的轨道视点上显示出闭环成功率的显著提高。
-
新的 TOWN-VLA 接口通过控制提示权限提高机器人任务成功率
研究人员开发了一种名为 TOWN-VLA 的新提示-权限接口，以提高冻结的视觉-语言-动作 (VLA) 策略的性能。该接口将候选生成与修改策略输入的权限分开，防止了原始附加文本降低成功率的“提示形式崩溃”。TOWN-VLA 在模拟和物理机器人任务上都展示了更高的成功率，在 LIBERO-Plus 基准测试上的性能从 69.5% 提高到 73.1%，在物理 PiPER 机械臂上的性能从 52.7% 提高到 78.7%。
-
新的世界动作模型增强了游戏和机器人中的AI代理
研究人员正在开发新颖的世界动作模型（WAM），以提高AI代理在视频游戏和机器人中的性能。例如，GameWAM统一了视觉预测和动作生成，以实现原生的游戏控制，并以更少的动作展示了具有竞争力的结果。其他进展包括LAWA，它使用潜在动作在机器人中进行高效的未来想象；RISE，一个优化规划想象展开的自适应框架；4DGS-WAM利用4D高斯溅射进行以对象为中心的建模；以及GlanceWAM，它将想象与控制分离以实现实时推理。
-
新框架FabriMAE增强VLA模型自我评估能力
研究人员开发了FabriMAE，一个新颖的视觉-语言-动作（VLA）模型自我评估框架。该框架名为马尔可夫注意力熵（MAE），利用内部视觉模态熵来评估动作生成的可靠性，而无需外部监督。MAE将内部注意力信号转换为架构感知的可靠性分数，在大量实验中表现优于现有基线。该框架在LIBERO-Reflect基准上进行了测试，并展示了对PI系列模型鲁棒性的改进。
-
新的ForeWAM模型在无需未来视频解码的情况下预测机器人动作
研究人员开发了ForeWAM，一种新颖的世界动作模型（WAM），它通过以预测的未来状态为条件来增强机器人动作生成，而无需显式进行未来视频解码。该方法利用了Future-KV机制，该机制处理当前的视觉信息和未来的随机槽以生成层级键值状态。这些状态在整个动作去噪过程中被重复使用，使模型能够捕捉由交互引起的过渡，如物体运动和任务进展。ForeWAM在LIBERO和LIBERO-Plus等机器人基准测试中取得了高成功率，证明了其在动态环境中的…
-
DFM-VLA 引入了用于机器人操作的迭代动作精炼
研究人员推出 DFM-VLA，一种利用离散流匹配迭代精炼动作令牌的新型机器人操作方法。与先前一次生成固定令牌的方法不同，DFM-VLA 对概率速度场进行建模，以动态更新整个动作序列。该系统集成了度量对齐动作分词器 (MAAT) 和两阶段解码策略，以提高预测精度。在各种数据集和实际任务上的实验证明了这种迭代精炼技术的有效性。