xArm7
PulseAugur coverage of xArm7 — every cluster mentioning xArm7 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
H2L发布可学习人类触感和运动以用于机器人控制的AI
H2L发布了“BodySharing Physical AI”，这是一种人工智能系统，旨在学习和复制人类的运动及力控制，以用于机器人操作。该AI在CEATEC 2026上进行了演示，利用公司FirstVR肌肉位移传感器和视频片段捕获的数据来训练机器人。初步评估显示，在整理等任务中成功率很高，在制造、物流和家庭辅助领域具有潜在应用。
-
新AI方法从图像生成可用于仿真的碰撞几何体
研究人员开发了I2CD，一种直接从单个RGB图像生成凸碰撞几何体的新方法。该方法绕过了传统耗时的重建3D模型然后进行分解的流程。I2CD利用一个固定的图像到3D扩散模型，仅训练一个轻量级的交叉注意力头来输出凸多面体的参数。生成的几何体效率高，可直接用于物理引擎，并且比现有方法生成速度显著更快，在仿真和物理机器人上均表现出改进的性能。
-
新的Anchor-Align方法提升VLA策略泛化能力
研究人员推出了一种名为Anchor-Align的新方法，通过解决标准行为克隆（BC）微调的问题来改进视觉-语言-动作（VLA）策略。BC微调可能会降低预训练视觉-语言模型（VLM）的泛化能力。Anchor-Align通过两个目标增强BC：视觉-语言锚定，它使用来自冻结VLM的蒸馏来保留表示；以及语言-动作对齐，它在同一观察下联合训练语言和动作预测。这种方法在真实机器人成功率以及在模拟和物理xArm7机器人上的各种扰动鲁棒性方面都显示出显著的改进。
-
新方法增强VLM到VLA的适应性以实现机器人控制 · 跟踪2个来源
两篇新的研究论文提出了将视觉语言模型（VLM）适配为机器人视觉语言动作（VLA）模型的方法。第一篇论文介绍了CLAP（因果语言-动作预测），它将自然语言描述添加到动作序列中，以在微调过程中保持VLM的能力。第二篇论文Anchor-Align使用表示锚定和语言-动作对齐来防止预训练表示被覆盖并提高泛化能力。两种方法在机器人基准测试和物理机器人测试中都显示出显著的改进。