$\pi_0$
PulseAugur coverage of $\pi_0$ — every cluster mentioning $\pi_0$ across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的VLA模型在潜在空间中精炼机器人行动计划
研究人员开发了新的视觉-语言-行动（VLA）模型框架，以改进机器人操作任务。其中一种方法PearlVLA在视觉-语言模型的潜在空间中精炼行动计划，以平衡效率和审慎性。另一种方法LAWM使用世界模型对无标签视频数据进行自监督预训练，从而实现跨不同具身和环境的知识迁移。这两种方法在LIBERO等基准测试中均展现出最先进的性能，LAWM还展示了其在实际应用中的效率。
-
新的3D轨迹世界模型增强了可扩展的机器人学习
研究人员开发了$\mu_0$，一种新颖的机器人世界模型，它利用3D交互轨迹来预测显著物体和点的运动。这种方法绕过了对特定于具身行为的动作标签的需求，从而实现了更具可扩展性的机器人学习。该系统借助TraceExtract工具自动提取3D监督信息，并使用模块化轨迹专家预训练视觉语言骨干网络。实验表明，$\mu_0$的表现优于现有的轨迹预测模型和标记化VLM方法，确立了3D轨迹作为可转移的操纵任务表示。
-
机器人策略生成方法DISC将语言与控制解耦
研究人员开发了一种名为DISC（Decoupling Instruction from State-Conditioned Control）的新方法，以改进机器人中的语言条件操作策略。DISC在结构上将指令处理与状态条件控制分开，防止策略学习绕过语言基础的捷径。它通过使用超网络直接从指令生成特定任务的视觉运动策略来实现这一点，确保任务意识仅来自语言。
-
TAVIS基准测试通过自主视觉推动机器人模仿学习发展
研究人员推出了TAVIS，这是一个旨在评估机器人模仿学习中自主视觉的新基准测试。该基准测试包括两个任务套件：TAVIS-Head和TAVIS-Hands，它们基于人形具身，并利用IsaacLab。TAVIS提供了一个配对的头戴摄像头与固定摄像头协议、用于预测性注视的新颖的注视-动作提前时间（GALT）指标，以及程序性的分布内/分布外划分。使用Diffusion Policy和$\pi_0$进行的初步实验表明，自主视觉通常能提高性能，但…