pi_{0.5}
PulseAugur coverage of pi_{0.5} — every cluster mentioning pi_{0.5} across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
Splat2Act 管道使用 3D 场景重建来个性化机器人操作策略
研究人员开发了 Splat2Act，这是一个新颖的管道，可将通用的视觉-语言-动作 (VLA) 操作策略个性化，以适应特定环境和物体。该系统使用手持手机扫描，通过 3D 高斯飞溅和碰撞几何来创建场景的逼真数字孪生。然后，它会自动识别容器，生成拾取任务，并使用模拟神谕创建演示，仅需要人类进行场景和物体捕捉。当应用于 101 个校园环境时，该管道生成了超过 68,000 个拾取演示，并且微调后的策略在目标场景中达到了 62.5% 的拾取成…
-
新的ARC方法在无需更多数据的情况下提升了机器人基础模型的性能
研究人员开发了一种名为ARC的新方法，该方法可在无需额外机器人演示或大量训练的情况下，提升机器人基础模型（RFMs）的零样本任务性能。ARC利用推理轨迹来解释机器人下一个动作背后的因果结构和原理。这些轨迹可以从现有演示中自动生成，从而能够创建像DROID的ARC-Trace-DROID这样的数据集。最先进的视觉语言代理（VLAs）和其他模型已被改编为使用这些轨迹，在RoboLab-120和MolmoSpaces等基准测试中取得了显著的…
-
新的 DexHoldem 基准评估具身AI在真实扑克任务中的表现
研究人员推出 DexHoldem，一个旨在评估具身AI系统在真实世界灵巧操作任务中表现的新基准，特别是在德州扑克场景下。该基准包含一套全面的演示，共计1,470个，涵盖14种操作原语，一个标准化的物理策略基准，以及一个代理感知基准。初步结果显示，$\pi_{0.5}$策略在原语执行任务完成率方面达到最高，为61.2%，而Opus 5.5在代理感知准确性方面以微弱优势领先。
-
研究分析了摄像头故障下VLA模型的失效模式
一篇题为“Blackout vs. Freeze: Analyzing Physical Failure Modes of VLAs under Camera Faults”的新研究论文探讨了视觉-语言-动作（VLA）模型在视觉输入不可靠时如何表现。该研究调查了由图像黑屏和冻结引起的独特失效模式，发现冻结会导致更极端的关节运动，而黑屏可能导致物体掉落，尤其是在没有本体感觉的情况下。研究还评估了黑屏训练和故障嵌入替换等缓解策略，并指出虽…
-
QbitAI 启动 2026 AI 奖项，表彰行业领导者和创新者
QbitAI 已正式启动其 2026 AI 年度奖项评选，旨在表彰在人工智能领域推动创新和价值的公司、产品和个人。奖项将涵盖企业领导力、潜力初创公司、杰出产品、有效解决方案以及新兴创业人才，重点关注实际应用和现实世界问题的解决。提交截止日期为 2026 年 11 月 16 日，结果将在 MEET2027 AI 未来大会上公布。
-
具身 AI 推理引擎 APXInf 由 Wuwenxiong、清华大学、上海交大开源
Wuwenxiong 与清华大学和上海交通大学合作，开源了 APXInf，这是一款专为边缘设备上的具身 AI 设计的推理引擎。该引擎旨在优化具身模型在机器人平台上的性能，将 Jetson Thor 上 PI 0.5 FP8 模型的端到端延迟从约 278 毫秒显著降低到 26 毫秒以下。APXInf 支持多种硬件平台，包括 NVIDIA Jetson Orin、Jetson Thor 和 RTX 4090，并计划扩展支持国产芯片和其他硬件。
-
新框架通过流匹配和安全约束增强机器人策略 · 跟踪 4 个来源
研究人员开发了几个新的框架来改进强化学习中的基于流的策略，特别是在机器人领域。这些方法旨在解决多模态动作分布和需要安全、符合约束的动作等挑战。诸如基于精炼的流策略优化 (RFPO) 和 OptiFlow 等技术利用值引导和最优传输来更好地表示复杂的动作空间并避免模式崩溃。另一种方法，值引导流匹配 (VGFM)，将值引导直接集成到流匹配过程中，而无需复杂反向传播。此外，ActSafeGuard 引入了一个可微分的安全卫士层，以确保机器人…
-
新方法微调机器人以实现多任务操作
研究人员开发了一种新颖的自监督方法，用于微调视觉语言动作（VLA）模型以执行机器人操作任务。该方法从 VLA 自身的零样本交互中生成额外的训练数据，使其能够从专家数据中学习新技能，同时保留其原始的指令遵循能力。在真实的 ALOHA 机器人和 RoboTwin 模拟基准上的实验表明，该方法能够实现具有更高样本效率的鲁棒多任务策略。
-
VLASH方法提升机器人VLA推理速度和准确性
研究人员开发了VLASH，一种用于提高机器人视觉-语言-动作（VLA）模型实时性能的新颖方法。传统的同步推理会导致显著的延迟，限制了VLA在动态环境中的应用。VLASH采用异步推理，使机器人能够同时执行动作和处理信息。它通过根据先前动作预测未来状态来实现这一点，在无需架构更改或增加开销的情况下弥合了预测与执行之间的差距。实验表明，VLASH将反应延迟降低了高达11.8倍，并提高了比现有异步方法的准确性，使得先进的VLA能够执行诸如乒乓…
-
ACE-Ego具身模型在关键基准测试中达到SOTA
来自GreatX Robot和香港中文大学MMLab的研究人员推出了一种新颖的具身操作VLA模型ACE-Ego。该模型采用“以人为中心”的训练范式，有效地结合了大规模第一人称人类视频和多机器人数据。ACE-Ego在RoboCasa GR1 TableTop和RoboTwin 2.0这两个主要的具身智能基准测试中取得了最先进的成果，在复杂的零售场景中展现出强大的泛化能力。
-
RLDX-1 机器人策略通过新的 Transformer 架构增强灵巧操作
研究人员推出 RLDX-1，这是一种用于灵巧操作的新型机器人策略，通过多流动作 Transformer 架构整合异构模态。该方法旨在通过整合运动感知、基于记忆的决策和物理传感来克服当前视觉-语言-动作模型的局限性。RLDX-1 在复杂现实世界任务和人形机器人控制方面，表现优于 $\pi_{0.5}$ 和 GR00T N1.6 等现有模型。
-
机器人操控平台VILAS在低成本硬件上集成了视觉-语言-动作模型
研究人员开发了VILAS，一个低成本、模块化的机器人操控平台，专为视觉-语言-动作（VLA）策略学习而设计。该系统集成了协作机械臂、电动夹爪和双摄像头设置，所有这些都通过基于ZMQ的通信架构进行协调。一种新颖的基于折纸的软抓爪扩展件，无需力传感即可轻柔地处理易碎物体。该平台用于评估和微调三个VLA模型，证明了在可及硬件上训练和部署有效的操控策略是可行的。
-
机器人专家齐聚一堂，共同应对具身人工智能发展中的数据挑战
最近的一次沙龙汇聚了近200名具身人工智能领域的专家，共同探讨如何将机器人从实验室推向现实世界所面临的挑战，重点关注数据收集和模型训练。与会者指出，当前的数据收集方法效率低下且成本高昂，收集到的数据很大一部分无法用于训练。讨论还涉及了改进数据对齐、标准化评估基准的必要性，以及类似于大型语言模型中使用的预训练范例的潜力。
-
SPEAR-1: 通过3D理解实现超越机器人演示的扩展
研究人员开发了SPEAR-1，这是一种机器人基础模型，旨在通过整合3D空间推理来提高机器人控制的泛化能力。与先前主要在2D图像-语言任务上训练的模型不同，SPEAR-1通过使用带有3D注释增强的非机器人数据获得的3D理解来增强视觉-语言模型。这种方法使SPEAR-1能够使用显著更少的机器人演示来实现最先进的性能，其表现优于$\pi_0$-FAST和$\pi_{0.5}$等模型，同时所需的机器人数据样本减少了20倍。