Tango
PulseAugur coverage of Tango — every cluster mentioning Tango across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
TANGO框架使人形机器人能够导航杂乱环境
研究人员开发了TANGO，一个新颖的视觉-语言框架，专为人形机器人在杂乱的室内环境中导航而设计。该系统直接预测全身关节动作，实现协调运动，如手臂放置和躯干调整，以实现无碰撞穿越。TANGO完全在模拟中使用合成数据进行训练，在视觉-语言导航任务中展示了最先进的性能，并已成功地在Unitree G1机器人上进行了零样本部署，以进行现实世界导航。
-
ESA的Cluster任务在太空探索26年后结束
欧洲空间局（ESA）的Cluster任务在运行了26年后即将结束其业务。这四艘航天器提供了关于地球磁层宝贵的数据，目前正准备进行最后的机动。这次延长的任务证明了其强大的工程设计和成功的运行，使得探测器远远超出了预期的寿命。
-
TANGO模型引入了新颖的门控算子用于语言建模
研究人员推出了一种新颖的语言建模架构TANGO，该架构通过非线性门控算子聚合令牌信息。该方法用单个跨令牌门控残差更新取代了标准的Transformer组件。其变体WANGO通过处理最近的窗口并使用旧数据的前缀统计信息，提供了线性复杂度。尽管TANGO的操作次数较高，但TANGO和WANGO在FineWeb-Edu、Lean和DeepMind Mathematics等基准测试上的表现均优于其他模型。
-
新框架利用基础模型改进航天器分割
研究人员开发了GeoDistill-Refine，一个新颖的两阶段框架，旨在利用基础模型提高航天器分割的准确性。该方法通过首先学习前景轮廓，然后用符号距离场、骨架和面积目标进行细化，来解决Segment Anything Model 3等模型生成的伪掩码中的几何误差。该框架在SpaceSense-Bench HJM数据集上展示了图像IoU和边界F1分数的显著提高，优于纯伪标签学生模型，并在其他领域取得了有竞争力的结果。
-
新的 TANGO 方法增强了自回归视频生成的真实感
研究人员开发了一种名为 TANGO（通过噪声引导优化避免终点）的新方法，以改进自回归视频生成模型。该技术通过使用扩散模型本身来指导生成过程，解决了误差累积和模型漂移的问题。TANGO 预测噪声分布，以确保生成的帧保持在真实视频的学习流形内，从而在真实感方面取得显著改进，并降低了 Fréchet Video Distance。
-
棕榈滩县否决 600 兆瓦人工智能园区项目，凸显许可风险
棕榈滩县委员否决了名为 Project Tango 的拟议 600 兆瓦人工智能数据中心园区。这一决定挑战了这样一种假设：即宣布的人工智能需求将自动转化为电力需求，因为当地许可正成为一个重大制约因素。投资银行 Jefferies 指出，这一结果给人工智能基础设施带来了不确定性，并建议社区接受和当地审批流程可能比电网容量更关键。该否决（不排除）允许开发商重新提交修改后的申请，但它凸显了人工智能园区开发可能面临的延误。
-
TanGO框架通过切线空间引导和优化提供无需训练的3D编辑 · 跟踪到2个来源
研究人员推出TanGO，一个新颖的、无需训练的3D生成模型编辑框架。该方法通过在生成动力学的切线空间内实现自适应的每token引导，解决了现有方法在语义伪影和不完整变换方面的局限性。TanGO利用一步最优控制规则和方向差异度量来管理每个token的控制信号，从而显著减少结构伪影，并提高了相对于当前3D编辑基线的性能。