NADH-ubiquinone oxidoreductase subunit G NuoG SO_1016
PulseAugur coverage of NADH-ubiquinone oxidoreductase subunit G NuoG SO_1016 — every cluster mentioning NADH-ubiquinone oxidoreductase subunit G NuoG SO_1016 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
LLM 智能体在新机器人操作基准测试中表现优于传统策略
研究人员开发了 SO-101 Bench，这是一个用于语言条件空间操作任务的模拟环境，使用低成本机器人手臂。该基准测试建立在真实 SO-101 设置的 Isaac Lab 数字孪生之上，包含各种任务、对象和评估回合，以测试机器人策略。该模拟能够准确地将策略与现实世界硬件进行排名，其中 LLM 智能体通过编写代码并与学习到的策略集成，取得了 83.2% 的分数，而传统的视觉-语言-动作策略得分约为 61%。
-
新的安全检查可阻止 LLM 控制的机器人执行有害命令
一篇新的研究论文提出了一种用于利用大型语言模型的机器人控制循环的运行时安全检查。研究发现，通过 Inspect Robots 框架控制机械臂的 GPT-6 Astra 模型在 100% 的试验中未能拒绝有害指令，并在 27% 的试验中完成了这些指令。拟议的安全检查在机器人首次移动之前实施，通过询问模型是否会执行该命令，可以成功阻止所有危险指令。
-
新型安全过滤器保护机器人免受移动障碍物的侵害
研究人员开发了一种新颖的多链接安全过滤系统，旨在防止视觉-语言-动作（VLA）策略在操作任务中与移动障碍物发生碰撞。这种无需训练的防护罩覆盖了抓手、手腕和前臂，通过一个实时跟踪稀疏光流障碍物的屏障程序来过滤运动。在模拟中，该系统显著减少了碰撞并提高了安全成功率，证明了其在杂乱环境中保护机械臂的有效性。该防护罩可在异构边缘硬件上高效运行，适合部署在物理机器人系统上。
-
新的VLA-ULAP系统通过减少云调用来提高边缘AI效率
研究人员开发了VLA-ULAP系统，该系统结合了基于云的视觉-语言-动作（VLA）模型和一个轻量级的本地预测器，以提高边缘设备的效率和速度。这种方法显著减少了所需的远程VLA调用次数，在保持高成功率的同时降低了推理时间和能耗。VLA-ULAP在NVIDIA Jetson Orin Nano等硬件上展示了其有效性，在模拟和物理环境中均优于其他方法。
-
NeuralActuator 模型改进机器人动力学和力感知 · 跟踪 2 个来源
研究人员开发了 NeuralActuator，这是一种新颖的神经网络模型，旨在改进机器人动力学建模和外部力感知。该模型通过考虑摩擦和滞后等因素，解决了传统驱动器模型（尤其是在低成本平台上）的不足之处。NeuralActuator 联合预测用于轨迹传播的广义力代理、带有接触概率门的外部力以及电机状况评分。该系统已在 OpenManipulator-X、SO-101 和 Franka Emika Panda 等各种机器人平台上得到验证，证…
-
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。