PulseAugur
中
实时 09:16:03
实体 quadruped

quadruped

PulseAugur coverage of quadruped — every cluster mentioning quadruped across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
2
90 天内 5
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 4
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 5 条
  1. TOOL · CL_313452 ·

    PVBench 基准测试衡量 AI 视频生成中的物理合理性

    引入了一个名为 PVBench 的新基准,用于定量评估 AI 生成视频的物理合理性。它在 46 个维度上衡量对几何、运动学、动力学和守恒定律的遵守程度。该基准包含 600 个提示,其中 30% 包含机器人手臂和人形机器人等具身代理,并利用专门的视觉模型进行客观测量。

  2. TOOL · CL_280546 ·

    新基准和模型应对跨具身全景分割

    研究人员引入了一项名为跨具身开放全景分割的新任务,以解决不同具身平台之间一致场景理解的挑战。他们还建立了EmbPASS,这是一个包含车辆、无人机、可穿戴设备和四足平台语义分割的基准数据集。为了解决这个问题,他们提出了EPONet,一个旨在改善异构具身观测的空间建模和语义迁移的网络,在EmbPASS基准上实现了35.82%的平台平衡mIoU。

  3. TOOL · CL_218343 ·

    新的TONAV框架增强了四足移动操作能力

    研究人员开发了TONAV,一个用于四足移动操作的新框架,该框架集成了面向任务的导航和动作-速度分块学习。该系统旨在弥合到达目标与准备好进行操作之间的差距,并提高与铰接物体持续交互过程中的稳定性。TONAV使用视觉语言推理将指令分解为子目标,并通过位置-速度耦合遥操作框架收集平滑、时间上一致的演示。实验表明,TONAV提高了导航和完整移动操作任务的成功率。

  4. RESEARCH · CL_158716 ·

    新的强化学习框架弥合了四足机器人运动的仿真到现实鸿沟 · 跟踪2个来源

    研究人员开发了新的四足机器人运动强化学习(RL)框架,解决了仿真到现实的鸿沟问题。第一种方法利用NVIDIA的Isaac Sim和Isaac Lab,在Unitree Go1上实现了全身控制的零样本仿真到现实迁移,展示了对干扰的鲁棒恢复能力,并达到了2.0米/秒的线性速度。第二种框架侧重于重型四足机器人的扭矩驱动强化学习,使其能够在没有明确速度观测的情况下穿越崎岖地形并跟踪期望速度,在Unitree B1上的仿真结果达到了3.5米/秒。

  5. TOOL · CL_102301 ·

    HPE与NVIDIA合作以增强Agentic AI和自主工作流 · 跟踪2个来源

    HPE(慧与科技)正在扩展其AI工厂以支持Agentic AI和自主工作流。此次扩展涉及与NVIDIA的合作,旨在增强机器人视频和四足机器人等领域的能力。此次合作专注于整合先进的AI技术,以推动自动化系统和工业应用方面的创新。