OpenDriveLab
PulseAugur coverage of OpenDriveLab — every cluster mentioning OpenDriveLab across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
具身AI专家在RSS研讨会上辩论模型集成、数据源
2026年RSS会议的一个研讨会上有五位专家就具身AI和世界模型的未来展开了热烈辩论。讨论的重点是是将世界模型和策略模型集成到一个统一的系统中，还是为了效率和更清晰的调试而将它们分开。专家们还辩论了视觉真实感或精确动作控制对于训练世界模型哪个更重要，以及是优先选择海量的互联网视频数据还是特定的机器人交互数据用于模型训练。最终，共识倾向于分离模型、结合视觉和基于动作的学习，以及需要互联网和机器人特定数据来构建强大的具身AI。
-
OpenDriveLab的陈立提出可组合世界模型以实现更安全的AI策略
在RSS 2026上，OpenDriveLab的陈立提出了一种可组合世界模型方法，将具身AI策略的预测和评估组件分开。这种解耦旨在通过允许AI在真实世界执行前，在受控环境中“想象犯错”来提高安全性和可检查性。该工作涵盖了四个渐进式系统：用于可靠仿真的ReSim，用于操作任务的Generation-then-Revise，用于自动驾驶训练后部署的World Engine，以及通过想象进行机器人强化学习的RISE。
-
QbitAI 将对 RSS 2026 机器人会议进行报道，包括采访和活动
QbitAI 计划对 7 月 13 日至 17 日在悉尼举行的机器人科学与系统（RSS）会议进行广泛报道。他们的团队将提供现场采访、技术突破和行业应用的实时报道，以及视频内容。他们还将于 7 月 14 日与 Source Future 和 OpenDriveLab 合作举办社交交流活动，并将在会后组织学术讨论。
-
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。