RoboCasa GR1 Tabletop
PulseAugur coverage of RoboCasa GR1 Tabletop — every cluster mentioning RoboCasa GR1 Tabletop across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的世界动作模型增强了机器人任务泛化能力和实时动作生成能力
三篇新论文介绍了世界动作模型(WAMs)的进展,WAMs 是一个机器人学习潜在变量以预测场景演变和生成动作的框架。CausalWAM 专注于分离与动作相关的潜在变量,以确保可识别的因果结构,即使存在统计依赖性。WorldBridge 通过将视频预测与稀疏动作监督相结合,通过单独的视频和动作专家来增强任务泛化能力。OSWAM 通过使用结构化想象标记初始化扩散模型,并蒸馏未来条件下的特权信息,实现了实时、高质量的单步去噪动作生成。
-
新研究探讨世界行动模型的视觉表征
研究人员调查了世界行动模型(WAMs)所需的视觉表征,发现通用视觉表征比专门针对某些视觉能力训练的表征具有更广泛的鲁棒性。研究还确定了通道联合预测是最成功的集成机制,这归因于其未来的特征预测以及行动专家对额外视觉信息的有效利用。开发的名为 R$^2$-WAM 的“表征配方”在 RoboCasa GR1 Tabletop 和 RoboTwin 2.0 基准测试中取得了最先进的成果。
-
WuJie Dynamics 发布 MWA™ 世界模型,机器人基准测试领先
WuJie Dynamics 发布了 MWA™,这是一种新颖的潜在空间世界模型,旨在赋予机器人“物理直觉”,以实现长期、双向的因果推理。该模型在 RoboCasa GR1 TableTop 基准测试中名列前茅,超越了 NVIDIA 的 GR00T-N1.6 等竞争对手。MWA™ 采用“潜在动作”方法和“长期双向物理因果链”框架,使机器人能够在没有明确人类动作标注的情况下理解因果关系。该公司还获得了超过 2 亿美元的融资,Pre-A 轮…
-
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。
-
以人为中心的视频在具身AI预训练中优于机器人数据
研究人员发现,与传统的遥操作机器人轨迹相比,以人为中心的视频可以作为一种更有效且成本效益更高的数据源,用于具身基础模型的预训练。研究表明,在过滤后的以人为中心的视频数据上训练的模型,在动作预测和任务执行方面取得了优于使用真实机器人数据训练的模型。这表明一种新范式,即使用多样化的人类视频数据进行初始预训练,然后用一小部分标记的机器人数据进行适应,以实现精确的动作对齐。
-
新的 VLA 模型 LaST-R1 和 DIAL 通过高级推理增强机器人操作
两篇新的研究论文介绍了用于机器人操作的先进视觉-语言-动作 (VLA) 模型。LaST-R1 将潜在的思维链推理与强化学习相结合,以提高适应性和泛化能力,在 LIBERO 基准测试中取得了 99.8% 的成功率。DIAL 通过潜在世界模型将高级意图与低级动作执行解耦,使其能够以少 10 倍的演示进行学习,并泛化到现实世界任务。