PulseAugur
中
实时 14:08:26
实体 MolmoAct2

MolmoAct2

PulseAugur coverage of MolmoAct2 — every cluster mentioning MolmoAct2 across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
4
90 天内 7
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天

2 天有情绪数据

最近 · 第 1/1 页 · 共 7 条
  1. TOOL · CL_346877 ·

    AI机器人协会发布基于16151小时人类操作数据训练的基础模型

    AI机器人协会(AIRoA)发布了AIRoA-0,这是一个机器人基础模型,其训练数据来自通过名为YUBI的手持抓手收集的16151小时人类操作数据。该模型基于Physical Intelligence的π0.5基础构建,能够执行分拣小零件和折叠毛巾等任务,在评估中显示出比以往模型高得多的成功率。AIRoA旨在通过允许从不同地点收集数据而无需专用机器人硬件,来促进大规模机器人学习,模型权重和相关代码已在Hugging Face和GitHub上提供。

  2. RESEARCH · CL_332920 ·

    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。

  3. RESEARCH · CL_312079 ·

    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。

  4. TOOL · CL_280184 ·

    FastOPD框架通过蒸馏实现轻量级VLA模型部署

    研究人员开发了FastOPD,一个用于部署轻量级视觉-语言-动作(VLA)模型的新框架。该方法使用On-Policy蒸馏将大型、计算成本高昂的VLA基础模型的知识转移到更小、更高效的学生模型中。FastOPD通过适配单状态教师监督的流图并结合自洽性目标来实现这一点,理论上使学生模型能够匹配理想的少步教师模型的性能。评估显示,在推理延迟和计算成本方面有显著降低,同时保留了原始模型性能的很高百分比,并且优于现有的蒸馏基线。

  5. TOOL · CL_287630 ·

    FastOPD框架支持大型VLA模型的高效部署

    研究人员开发了FastOPD,一个旨在通过降低计算成本来提高大型视觉-语言-动作(VLA)模型在现实场景中可部署性的新框架。该方法使用在线策略蒸馏,从大型教师模型训练一个更小、更高效的学生模型,在更少的推理步骤中保留显著的性能。实验表明,FastOPD可以显著降低推理延迟,同时在各种VLA模型甚至World Action Model上保持高成功率,证明了其在机器人和AI部署中的实用性。

  6. TOOL · CL_127404 ·

    LeRobot v0.6.0 增加了世界模型、新的 VLA 和改进的数据集

    LeRobot v0.6.0 已发布,在机器人 AI 领域取得了重大进展。此次更新引入了 VLA-JEPA、FastWAM 和 LingBot-VA 等新的世界模型策略,使机器人能够“想象”未来的场景。它还通过 GR00T N1.7 和 MolmoAct2 等多个新的视觉-语言-动作 (VLA) 模型扩展了模型库,并引入了用于奖励模型的新 API。数据集管道的增强功能包括更快的加载和深度支持,以及新的模拟基准和改进的训练能力。

  7. TOOL · CL_96562 ·

    AWS Strands SDK 简化机器人 AI 训练和部署

    AWS 发布了 Strands Robots SDK,这是一个开源工具包,旨在简化在机器人硬件上训练和部署 AI 模型的过程。该 SDK 集成了包括 LeRobot 堆栈和 Hugging Face Hub 数据集在内的各种组件,允许用户组合能够记录演示、训练策略和协调机器人集群的代理。这个新 SDK 旨在通过最少的代码更改,将从 Hugging Face Hub 上的数据收集到物理机器人上的执行的整个工作流程进行简化,支持模拟和真实硬件。