OpenArm 2.0: Automated Segmentation of 3D Tissue Structures for Multi-Subject Study of Muscle Deformation Dynamics
PulseAugur coverage of OpenArm 2.0: Automated Segmentation of 3D Tissue Structures for Multi-Subject Study of Muscle Deformation Dynamics — every cluster mentioning OpenArm 2.0: Automated Segmentation of 3D Tissue Structures for Multi-Subject Study of Muscle Deformation Dynamics across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
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。
-
RoboCurate框架增强了机器人学习的合成数据
研究人员开发了RoboCurate，一个旨在提高机器人学习中使用的合成数据质量的新框架。该系统通过使用模拟器来执行预测的动作并验证其与视频的一致性，解决了生成视频中动作标签不准确的问题。RoboCurate还利用生成模型来增强数据多样性，并使用视觉语言模型在动作验证前过滤掉不合理的视频。该框架在GR-1 Tabletop、DexMimicGen、ALLEX和OpenArm等各种机器人操作基准测试中都显示出显著的成功率提升。
-
OpenArm 作为开源人形机器人推出，用于AI研究
OpenArm 是一个新推出的、完全开源的七自由度人形机器人手臂，专为物理AI研究而设计。它强调人机交互的安全性与合规性，同时为现实世界的任务提供实用的负载能力。该项目旨在通过标准化的环境和活跃的社区，促进物理AI研究领域的全球协作和可复现性。
-
OpenArm原型通过表示切换推进具身AI
研究人员开发了一种用于实验室任务的移动操作原型，将双OpenArm机械臂与移动底座和各种传感器集成在一起。该系统依靠“表示切换”将自然语言请求转换为可执行动作，将传感器观测结果接地为可用数据，并确保机器人安全。这种方法旨在简化语言、感知、规划和安全在具身AI系统中的集成，同时也突出了实际部署的障碍，如校准问题和不完整的对象识别。
-
新型外骨骼通过扭矩反馈学习顺应性机器人策略
研究人员开发了通用操作外骨骼（UME），这是一种低成本、轻量级的上肢外骨骼，用于收集力和扭矩数据。该系统提供实时触觉扭矩反馈，使人类操作员能够远程操作各种机器人，包括OpenArm、Franka和X-ARM。收集到的数据有助于在约束环境中学习复杂操作任务的顺应性全身策略。