LIBERO-Plus
PulseAugur coverage of LIBERO-Plus — every cluster mentioning LIBERO-Plus across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
CorridorVLA 为生成式动作模型引入显式空间约束
研究人员引入了 CorridorVLA，一种新颖的视觉-语言-动作 (VLA) 模型方法，该方法显式地纳入了空间约束。与先前隐式嵌入空间指导的方法不同，CorridorVLA 将稀疏空间锚点预测为增量物理变化。这些锚点定义了一个容差走廊，通过走廊外的轨迹的校正梯度和走廊内的轨迹的精炼目标来指导动作生成过程。该方法在 LIBERO 和 LIBERO-Plus 等基准测试中取得了显著的改进，其中一个策略在多任务设置中实现了 83.21% 的成功率。
-
Reflective VLA 通过行动后果提高具身AI的泛化能力
研究人员推出了一种新颖的视觉-语言-行动（VLA）模型方法Reflective VLA，旨在提高具身控制任务的泛化能力。与仅依赖当前观察的反应式模型不同，Reflective VLA 整合了观察-行动-后果三元组的历史记录。这种上下文使模型能够更好地理解机器人校准和驱动偏差等部署特定因素。在标准和分布偏移环境中的实验表明，Reflective VLA 显著提高了成功率，尤其是在具有挑战性的跨环境泛化场景下。
-
Qwen-RobotManip 模型通过统一对齐技术推进机器人操作
研究人员开发了 Qwen-RobotManip，一个专为机器人操作设计的通用基础模型，该模型利用了统一的对齐框架。这种方法使模型能够有效地在包括人类视频和合成机器人轨迹在内的大规模、多样化数据集上进行训练，克服了以往异构操作数据的挑战。该模型展示了涌现的泛化能力，例如零样本指令遵循和跨具身迁移，在各种分布外基准测试中表现优于现有的最先进模型，并在真实机器人平台上展现出潜力。
-
ACE ROBOTICS 的 Kairos 世界模型树立了新的具身人工智能基准
ACE ROBOTICS 发布了其 Kairos 世界模型，该模型在四个主要的具身人工智能基准测试中取得了最高排名：RoboTwin 2.0、LIBERO-Plus、WorldModelBench Robot 和 DreamGen。该模型采用了一种新颖的统一架构，用于多模态理解、生成和预测，解决了现有视频生成模型的局限性。Kairos 已向行业开源。
-
GuidedVLA通过显式任务因子引导增强机器人动作控制
研究人员推出了一种新方法GuidedVLA，以增强机器人操作中视觉-语言-动作（VLA）模型的可控性和可解释性。该方法通过将任务相关因素分解为不同的组成部分来显式引导动作生成过程：目标定位、技能/阶段识别和空间几何。通过整合这些专门的注意力头，GuidedVLA在各种模拟和真实机器人任务中提高了性能，与传统的端到端VLA模型相比，提供了更强大、更易于理解的系统。
-
GEAR-VLA框架增强机器人操作泛化能力
研究人员开发了GEAR-VLA，一个旨在提高视觉-语言-动作（VLA）模型在机器人操作任务中泛化能力的新框架。该方法通过学习统一的、几何感知的动作表征来解决当前VLA模型的局限性。GEAR-VLA采用粗粒到细粒的学习策略，整合了具身预训练与连续动作专家，并将3D空间骨干网络与VLA表征对齐。该框架还纳入了具身规范化，以实现跨机器人泛化，在多个基准测试中展示了最先进的性能，并在涉及未知物体和不同机器人具身特性的任务中取得了高成功率。
-
VLANeXt模型为构建更强大的视觉-语言-动作模型提供配方
研究人员开发了VLANeXt，一种新的视觉-语言-动作（VLA）模型，通过系统地分析和优化设计选择，改进了现有架构。通过统一的框架和评估设置，他们确定了12个关键发现，这些发现构成了构建强大VLA模型的实用配方。VLANeXt在LIBERO和LIBERO-plus等基准测试中表现出色，并在实际应用中显示出有效性。该团队还发布了一个全面的代码库，以促进VLA领域的复现和进一步发展。
-
新的MoLA方法将机器人视频想象与动作执行相结合
研究人员开发了一种名为MoLA（潜在动作混合）的新方法，通过更好地利用预测的未来视频帧来改进机器人操作。MoLA采用预训练的逆动力学模型混合，将这些想象的未来转化为可执行的动作。该方法捕捉各种视觉线索以推断物理上合理的动作，从而弥合了视频生成与策略执行之间的差距。在模拟和真实世界任务上的评估表明，MoLA提高了任务成功率、时间一致性和泛化能力。