PulseAugur
中
实时 22:33:48
实体 RoboCasa365

RoboCasa365

PulseAugur coverage of RoboCasa365 — every cluster mentioning RoboCasa365 across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
14
90 天内 21
发布 · 30天
0
90 天内 0
论文 · 30天
14
90 天内 19
层级分布 · 90 天
主题
关系
情绪 · 30 天

7 天有情绪数据

最近 · 第 1/2 页 · 共 21 条
  1. RESEARCH · CL_368375 ·

    LLM流水线SimAudit在AI操纵基准成功检查器中发现61个缺陷

    研究人员开发了SimAudit,一个基于LLM的流水线,用于审计模拟操纵基准中使用的成功检查器。这些检查器将回合标记为成功或失败,可能错误地识别出幻影成功(接受不完整的执行)或静默失败(拒绝有效的执行)。SimAudit分析任务指令和检查器代码以识别潜在的分歧,在模拟中重现这些场景,并直观地验证结果。在RoboTwin 2.0、RoboCasa365和RoboDojo等基准测试中,SimAudit发现了61个不同的缺陷,包括40个幻影…

  2. TOOL · CL_351940 ·

    新的APS-VLA框架通过修剪视觉令牌加速机器人控制

    研究人员开发了APS-VLA,一个旨在提高机器人操作中使用的视觉-语言-动作(VLA)模型效率的新框架。该方法通过使用轻量级的决策影响估计器来修剪视觉令牌,而视觉令牌通常是推理延迟的瓶颈。该估计器学习根据当前观察、语言指令和机器人本体感觉来选择关键令牌,而无需更改核心VLA模型。实验表明,APS-VLA可以显著减少推理时间,在真实机器人任务上实现1.47倍的加速,同时保持与未修剪模型相当的成功率。

  3. RESEARCH · CL_357785 ·

    新的机器人学习系统EmbodiedRSI和SPIRE增强了持续学习能力

    研究人员开发了两种新方法来增强机器人的具身持续学习能力。EmbodiedRSI采用双系统架构,通过假设图指导物理实验,从而改进代码和技能,并在RoboCasa365和LIBERO-Pro等基准测试中取得成功,实现了到真实世界机器人的零样本迁移。SPIRE是另一个系统,它采用循环脉冲神经网络来推断不断变化的情境,并在没有任务标签的情况下重用运动技能,在各种任务的控制和学习获取方面表现出显著的改进,优于现有的持续学习方法。

  4. TOOL · CL_351254 ·

    Auriga 智能体工具包推动零样本机器人操作发展

    研究人员开发了 Auriga,一种新的任务无关智能体工具包,旨在通过弥合规划和执行之间的差距来改进零样本机器人操作。Auriga 集成了显式的任务信念、精确的 3D 测量和双臂控制,使 GPT-6 Astra 等模型在 RoboDojo 和 RoboCasa365 等基准测试中取得显著更高的成功率。该系统监控执行情况,在出现偏差时停止机器人,并允许原地恢复,从而实现了最先进的性能。

  5. TOOL · CL_327081 ·

    OmniBrain-0:统一的机器人具身智能体发布

    研究人员推出了 OmniBrain-0,这是一种新颖的统一具身智能体,旨在协调机器人的操作和导航任务。该轻量级模型通过共享决策模型集成了任务理解、规划、进度跟踪和故障恢复。其渐进式训练框架结合了具身预训练与专家教师的蒸馏,以及一种名为 Rubric-Guided Recursive Self-Improvement (RSI) 的新颖数据飞轮,用于细化规则和轨迹以进行持续更新。OmniBrain-0 在跨领域表现方面显示出强大的能力,…

  6. TOOL · CL_324446 ·

    Patchwork 系统将模拟资源使用量削减 92%

    研究人员开发了 Patchwork,一个旨在优化领域随机化具身模拟中资源共享的新颖系统。该系统将常见的场景资源分离为共享模板和特定变异体(补丁),与传统的每环境进程执行相比,在 32 个副本下将 CPU RSS 显著降低了高达 92%。Patchwork 的分层运行时有效地共享编译后的模型结构和不可变资产,同时为每个实例维护私有的模拟状态,有效地将内存增长转向模板多样性而非实例数量。

  7. TOOL · CL_322105 ·

    RynnUnify:用于规划和机器人控制的统一具身模型

    研究人员推出 RynnUnify,这是一个拥有 160 亿参数的统一具身模型,旨在整合视觉规划、物理推理和机器人控制。该 Mixture-of-Transformers 架构建立在 Cosmos3 的基础上,在长时域具身任务上展现了最先进的性能。RynnUnify 将场景理解与物理世界演变预测联系起来,实现了交错的视觉规划和主体推理。其 World-Action Model 扩展将这些预测能力转化为机器人控制,在操作任务上取得了显著成功。

  8. TOOL · CL_315396 ·

    新框架CausalAlign增强视频生成模型自我运动一致性

    研究人员开发了CausalAlign,一个旨在提高扩散式视频生成模型(VGMs)中相机自我运动一致性的新框架。该框架利用因果干预来识别VGMs在去噪过程中如何表示和保留自我运动信息。CausalAlign通过将VGM层与3D基础模型通过delta-token空间对齐来加强这种表示,该空间专注于帧间动力学。这种方法在运动精度、几何一致性和时间平滑度方面显示出显著的改进,同时也提高了具身模型在操作任务上的成功率。

  9. TOOL · CL_325664 ·

    新的CausalAlign框架提高了视频生成模型自我运动的一致性

    研究人员开发了CausalAlign,一个旨在提高基于扩散的视频生成模型中相机自我运动一致性的新框架。该框架通过诊断这些模型如何表示和保留运动信息,然后将内部表示与3D基础模型对齐,来解决长视频序列中自我运动漂移的问题。这种方法侧重于帧之间的动态,从而显著减少了几何一致性错误,并改进了下游具身AI任务。

  10. TOOL · CL_316563 ·

    新基准评估VLA策略在家庭任务中的鲁棒性

    研究人员推出了RoboCasa-Shift,这是一个旨在评估视觉-语言-动作(VLA)策略在复杂家庭操作任务中鲁棒性的新基准。该基准超越了简单的总体成功率,分析了分布变化如何影响单个任务的执行及其进展。通过使用配对的滚出和阶段感知诊断,RoboCasa-Shift揭示了失败模式是特定于变化因素和任务的,而不是均匀退化的。

  11. TOOL · CL_303733 ·

    LoopWAM模型利用混合质量的部署数据改进机器人策略

    研究人员开发了LoopWAM,一种闭环世界-动作模型,旨在通过从混合质量的部署推广中学习来改进通用机器人策略。与过滤掉失败的方法不同,LoopWAM利用成功、次优行为和失败来完善其学习过程。这种方法在RoboChallenge Table30-V2、RoboTwin 2.0和RoboCasa365等基准测试中取得了显著成功,在多轮部署驱动的改进后,任务完成率有了大幅提升。

  12. RESEARCH · CL_303614 ·

    新型REKI视觉语言动作模型实现优异的性能-规模平衡

    研究人员推出REKI,一个拥有24亿参数的视觉语言动作模型(VLA),在性能和规模之间取得了优异的平衡。REKI仅使用公开数据进行训练,在LIBERO-Plus、RoboTwin Clean2Rand和RoboCasa365等基准测试中表现出竞争力,只有更大的模型才能超越它。该模型采用一种使用寄存器令牌的记忆机制来访问近期历史信息,从而提高了成功率并减少了机器人任务中的振荡。

  13. RESEARCH · CL_299276 ·

    新的机器人世界动作模型提高效率和性能 · 跟踪 6 个来源

    研究人员开发了机器人世界动作模型(WAMs)的新方法。RAP-WAM 使用预测性排练和动作扰动来改进策略学习,在现实世界任务中取得了很高的成功率。Box-WAM 通过使用定向边界框轨迹而不是完整的视频预测来表示未来状态,提供了一种计算效率更高的方法,在保持性能的同时降低了成本。此外,OneWM 框架表明,在因果训练下统一世界模型和动作模型可以带来互惠互利,从而提高策略学习和世界预测的保真度。

  14. TOOL · CL_288084 ·

    EmbodiedRSI系统通过自主技能进化增强机器人基础模型

    研究人员开发了EmbodiedRSI,一种新颖的自进化代理工具,旨在改进机器人基础模型。该系统自主选择实验来优化代码和技能,解决了训练后数据收集成本高昂的挑战。EmbodiedRSI采用具有假设图的快慢双系统架构来管理竞争性假设,并使用信息价值实验选择来指导物理交互。该系统在RoboCasa365和LIBERO-Pro等基准测试中取得了显著成功,并且在实际机器人上展现了强大的零样本迁移能力。

  15. RESEARCH · CL_275465 ·

    新框架减少机器人代理Token使用量,提高成功率

    研究人员开发了PyRUA-Lean,一个旨在优化视觉语言模型(VLM)控制的机器人代理效率的新框架。该框架通过组合机器人基元和选择性请求反馈来减少Token开销,从而显著减少了LLM调用和输入Token。在各种数据集的模拟中,PyRUA-Lean即使在LLM调用预算受限的情况下,也比传统的工具调用基线显示出更高的任务成功率。

  16. RESEARCH · CL_270778 ·

    新研究推动机器人世界模型以实现高效规划和控制 · 已追踪 10 个来源

    近期研究探索了用于机器人和智能体规划的世界动作模型(WAMs)的进展。WAM-Cache 和 WAMJET 通过优化键值重用和采用智能体约束来识别和优化瓶颈,专注于加速推理,在不影响动作质量的情况下实现了显著的加速。MobileWorldBench 为 GUI 智能体的语义世界模型引入了一个基准和数据集,超越了像素预测,实现了自然语言状态转换。Tempo 和 COSTGRAD 为潜在世界模型提供了新的规划目标和令牌选择方法,提高了长时…

  17. TOOL · CL_273631 ·

    GPT-6 Astra evaluated as embodied robot policy across six domains

    一篇新论文探讨了 GPT-6 Astra 的能力,该模型专为机器人领域的具身策略而设计。研究在六个领域评估了 Astra 的性能,包括操作、移动操作、导航、运动和人形运动操作。虽然 Astra 在指令遵循和物体搜索等任务中表现出潜力,但在可靠的物理控制和密集运动参考生成方面存在困难。该研究强调了有用的任务决策与一致的物理执行之间的差异,推理延迟也带来了实际挑战。

  18. RESEARCH · CL_280227 ·

    新框架通过提高数据效率和鲁棒性来增强移动操作 · 跟踪4个来源

    研究人员正在开发用于机器人移动操作的先进框架,旨在提高数据效率和鲁棒性。VOMMI 利用便携式演示和离线轨迹重建来增强具身智能的学习,与机器人收集的数据相比,速度误差有所降低。MobileVISTA 从规范演示中生成姿态扰动训练数据,提高了人形机器人等的鲁棒性,而无需生成模型。MobiAgent 采用双循环系统进行终身学习,将高级推理与低级控制分离,并在 BEHAVIOR-1K 和 RoboCasa 等基准测试中取得了显著的成功率提升…

  19. RESEARCH · CL_268781 ·

    新的VLA模型增强机器人推理、安全性和效率 · 跟踪10个来源

    研究人员正在为机器人技术开发先进的视觉-语言-动作(VLA)模型,重点是提高推理、安全性和效率。TOAST和TRUST等新方法旨在通过引入随机性和监控推理过程来增强策略学习和运行时安全性。其他进展包括用于城市导航的专用模型(UrbanVLA)、可泛化的奖励生成(Large Reward Models)以及节能的脉冲驱动架构。此外,还在努力改进VLA系统中的多智能体协调和长时任务规划。

  20. RESEARCH · CL_152098 ·

    新的VLA模型通过远见和大规模数据增强机器人操作能力

    研究人员开发了新的方法来提高机器人领域中视觉-语言-动作(VLA)模型的性能,特别是在复杂、长周期的任务方面。一种方法是“远见残差强化学习”(Foresight Residual RL),它通过引入预测未来子任务成功率的远见值来增强信用分配,从而显著提高整体任务完成率。另一项开发是Xiaomi-Robotics-1,它使用超过10万小时的真实世界机器人轨迹和一个自动标注流程来扩展VLA模型,在各种基准测试中展示了强大的性能和高效的微调…