实体
PBench
PBench
PulseAugur coverage of PBench — every cluster mentioning PBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
EVEWorld框架通过物理一致性增强机器人学习世界模型
研究人员推出了EVEWorld，一个旨在通过关注物理一致性和时间动态来改进机器人学习具身世界模型的新框架。该框架结合了实例引导恢复（IGR）和时间实例对齐（TIA），以增强跨帧的对象一致性并减少“模型懒惰”现象，即模型优先考虑视觉保真度而非物理推理。实验表明，EVEWorld显著降低了模型懒惰率，并在WorldArena 2.0 Track 1等基准测试中取得了有竞争力的排名。
-
Falcon Perception-HD 使用 RL 实现高密度视觉实体定位
研究人员开发了 Falcon Perception-HD，一个利用强化学习（RL），特别是 GRPO，来增强视觉实体定位的新模型。这种方法直接优化了精度和召回率等感知指标，克服了传统监督微调的局限性。Falcon Perception-HD 在包含多达 500 个对象的密集场景中展示了最先进的性能，修复了诸如掩码重复等常见问题，并减少了对 NMS 等后处理步骤的需求。
-
阿里巴巴的 Qwen-RobotWorld 通过语言接口统一具身人工智能
阿里巴巴的 Qwen 团队推出了 Qwen-RobotWorld，一个专为具身智能设计的语言条件视频世界模型。该模型利用自然语言作为通用接口，预测包括操作、自动驾驶和导航在内的各种机器人领域的未来视觉轨迹。Qwen-RobotWorld 基于双流扩散 Transformer 和广泛的具身世界知识语料库构建，在多个基准测试中表现强劲，并可应用于合成数据生成、虚拟环境评估和机器人控制。