OpenVLA-OFT
PulseAugur coverage of OpenVLA-OFT — every cluster mentioning OpenVLA-OFT across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
Patch Policy 使用密集视觉特征实现高效机器人控制
研究人员推出 Patch Policy，这是一种新颖的架构扩展，旨在通过有效利用 Vision Transformers (ViTs) 的密集视觉特征来增强机器人领域的具身控制。该方法允许基于 Transformer 的策略直接处理 patch token，避免了完整视觉-语言模型的计算负担。Patch Policy 取得了显著的改进，与全局池化表示相比，相对提高了 40%，并且在参数量仅为后者的几分之一的情况下，性能优于 OpenV…
-
RoboDojo基准揭示AI机器人与人类表现的巨大差距
一项名为RoboDojo的新基准已发布，用于评估具身智能，包含42个模拟任务和18个真实世界机器人任务。该基准突显了当前AI模型与人类表现之间存在的巨大差距，在模拟环境中，最佳模型成功率仅为8.80%，在真实机器人上为12.8%，而人类的成功率分别为76.03%和100%。RoboDojo旨在为具身智能提供标准化和全面的评估，涵盖泛化能力、记忆、精度、长时序执行和开放式语义理解。
-
新框架增强了机器人处理不确定环境的能力
研究人员开发了Reward-Centered ReST-MCTS (RCRM-Guard)，一个新颖的决策框架，旨在增强机器人在高不确定性环境中的操作能力。该框架将中间反馈分解为多个通道，包括规则、启发式方法、神经网络和价值估计，以偏向和修复搜索过程。虽然RCRM-Guard并未声称在标准基准测试中具有优越性，但它在处理嘈杂的转换或稀疏奖励时，可以作为同一骨干操作任务的可检查的测试时验证器。
-
新框架通过推理和物理基础增强AI具身操作 · 已追踪4个来源
研究人员开发了Guava框架，旨在通过整合高级推理与外部感知、规划和控制模块来增强AI代理的具身操作能力。该框架确定了迭代感知-推理-行动循环、语义动作抽象和多模态观察是有效具身代理的关键组成部分。Guava已证明其能够以极少量的训练数据将复杂的操作技能提炼成一个紧凑的4B开源模型，在模拟和现实世界环境中均取得了与前沿专有模型相当的性能。此外，PhysVLA框架提供了一个即插即用的解决方案，它可以在不重新训练的情况下包装现有的视觉-语…
-
ActionMap 通过体素热图改进机器人策略学习
研究人员开发了 ActionMap，这是一种新颖的体素热图动作头，旨在改进视觉-语言-动作 (VLA) 模型中的机器人策略学习。这个新的动作头取代了传统的动作解码器，在动作空间上预测热图，以更好地利用动作的几何邻近性。在模拟和真实世界测试中，ActionMap 与现有方法相比表现出更优越的性能和数据效率，表明动作表示是 VLA 模型有效性的关键因素。
-
新的BOKBO层通过校准弃权增强VLA策略的安全性
研究人员开发了BOKBO，这是一种用于视觉-语言-动作（VLA）策略的新型弃权层，旨在提高推理过程中的安全性。与现有方法在所有选项都被认为有风险时可能会执行不安全操作不同，BOKBO提供了校准弃权，确保了受控的违规率。通过实验证明了该系统的有效性，即使在分布变化下也能提高条件覆盖率和任务成功率。
-
AttenA+ 框架通过优先处理关键动作来增强机器人基础模型
研究人员推出了一种名为 AttenA+ 的新颖框架，旨在提高机器人基础模型的性能。这种与架构无关的方法通过基于机器人动作速度的倒数重新加权目标函数来解决训练中的时间同质性问题。通过优先处理运动学上关键的、低速的运动，AttenA+ 使模型的学习与操作的物理需求保持一致。实验表明，在 Libero 和 RoboTwin 2.0 等基准测试中取得了显著的改进，并且在 Franka 机械臂上的真实世界验证证明了其鲁棒性和泛化能力。
-
AttenA+ 框架通过速度感知训练提升机器人基础模型
研究人员开发了 AttenA+，一个旨在通过解决训练过程中的动作不平等来改进机器人基础模型的新框架。该框架通过基于逆速度场重新加权训练目标，优先处理机器人轨迹中运动学关键的、通常低速且需要精度的片段。这种物理感知方法增强了现有视觉-语言-动作 (VLA) 和世界-动作模型 (WAM) 在复杂任务上的性能，并在 Libero 和 RoboTwin 2.0 等基准测试中显示出显著改进。