实体
OC-NaVQA
OC-NaVQA
PulseAugur coverage of OC-NaVQA — every cluster mentioning OC-NaVQA across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
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 3 条
-
ReSight系统增强具身智能体的记忆和任务处理能力
研究人员推出ReSight，一种专为具身智能体设计的新型自改进记忆系统。该系统使机器人在任务需求不断变化时，能更有效地处理和访问历史观察数据。ReSight将原始观察数据与派生信息分开，使存储的观察数据能够为新需求重新处理。该系统包括一个执行代理和一个编码代理，它们与该记忆交互，其中编码代理能够检查证据、编写程序并获取新模型。
-
LVMem 框架通过图像增强记忆来提升长时问答能力
研究人员推出 LVMem，一个旨在增强具身智能体长时问答能力的新框架。该系统通过图像路径增强记忆，将存储的描述与其原始视觉内容关联起来。LVMem 采用基于光流的帧选择策略，并存储以物体为中心的场景表示，在 OC-NaVQA 基准测试中表现优于先前方法，并且在不显式构建图的情况下达到了基线性能。
-
新系统量化机器人记忆中的不确定性，以提高召回率
研究人员开发了一种新的方法来量化机器人使用的时空记忆系统中的不确定性。这种方法称为 UQ-DAAAM，为视觉语言模型（VLM）生成的字幕分配对象级别的语义不确定性分数，从而识别不可靠的描述。然后，该系统通过选择高质量的视图和融合字幕来主动优化这些不确定的对象，以提高记忆可靠性和问答性能，这在 OC-NaVQA 基准测试中得到了证明。