Robbyanto Budiman
PulseAugur coverage of Robbyanto Budiman — every cluster mentioning Robbyanto Budiman across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
LingBot-Map：从流式数据重建场景的新型3D基础模型
Robbyanto Budiman 推出了 LingBot-Map，这是一种新颖的3D基础模型，旨在从流式数据中重建场景。该模型通过处理连续数据流并生成详细的3D表示，旨在提供对环境的全面理解。该项目可在 GitHub 上找到，欢迎 AI 和机器人社区进一步开发和探索。
-
开源LingBot-Video模型引发世界模型争论
Robbyant发布了LingBot-Video，这是一个开放权重模型，能够根据给定的控制信号和初始帧来预测机器人未来的动作和手部姿势。该模型生成想象中的未来状态，引发了关于这种预测能力是否构成真正世界模型还是仅仅是复杂视频生成器的讨论。此次发布在AI社区中引发了关于世界模型定义和特征的争论，并将LingBot-Video与Dreamer和JEPA等既有概念进行了对比。
-
中国实验室开源 LingBot-Video，一款用于机器人规划的生成模型
一个中国研究实验室开源了 LingBot-Video，这是一款旨在充当“机器人大脑”的生成视频模型。该模型能够生成完整的视频片段而无需相机输入，旨在作为世界模型进行想象和规划。这一发展引发了关于生成逼真场景是否等同于真正理解世界的疑问。
-
开源权重视频模型 LingBot-Video 测试物理模拟
蚂蚁集团旗下的具身智能公司 Robbyant 发布了名为 LingBot-Video 的开源权重视频生成模型。该模型专注于准确模拟流体动力学、颗粒沙和反射等物理现象，而不是优先考虑电影般的视觉质量。研究人员鼓励用户测试该模型并找出其在准确表示这些物理交互方面的局限性。
-
Robbyant发布LingBot-Video，一款开源MoE视频生成模型
Robbyant发布了LingBot-Video，这是一款开源的混合专家（MoE）视频生成模型，专为具身智能设计。该模型在包含网络视频和具身数据的海量数据集上进行训练，采用高效的MoE架构，推理速度比以往模型快约三倍。LingBot-Video集成了多奖励系统，优先考虑输出的美学质量、物理合理性和任务完成度。
-
单一AI策略自主控制20种不同机器人本体
一项新的AI策略LingBot-VLA 2.0，已展示出控制20种不同机器人本体的能力，范围从单个机械臂到全人形机器人，所有机器人均自主运行。该通用策略接受了约60,000小时的数据训练，包括真实世界的机器人交互和人类视频。虽然该策略在各种机器人平台上显示出潜力，但其完成任务的成功率差异很大，在最后的精确操作阶段常常失败。
-
Robbyant 的 LingBot-Depth 2.0 推进了掩码深度建模
蚂蚁集团旗下的人工智能公司 Robbyant 推出了 LingBot-Depth 2.0，这是一种利用传感器有效性掩码的掩码深度建模方法。该方法将传感器自身的缺失区域视为掩码信号，从推理过程中遇到的确切失败分布中学习。更新后的模型表现出性能提升，在 8 个掩码/稀疏深度基准测试中的 7 个上实现了最佳均方根误差 (RMSE)，在透明物体捕获方面取得了显著的进步。
-
蚂蚁集团凌波发布具身AI模型套件，包括世界动作和视频生成
蚂蚁集团凌波科技发布了一系列旨在推进具身AI和机器人技术的新模型。LingBot-VA 2.0被呈现为首个具身原生世界动作模型，从根本上为物理世界交互而设计，而非改编数字世界模型。与之相辅的是LingBot-World 2.0，一个能够进行长达一小时生成的实时交互式世界模型，并整合了AI代理机制以实现动态交互。此外，LingBot-Video，一个基于MoE的视频生成模型，针对具身AI任务进行了优化，在机器人基准测试中表现优于现有模型…