公告
🔥提供代码、复杂推理、多模态与智能体任务等领域的高质量原创任务数据,可添加:aiFreeCode 咨询

Tag

具身智能

共 83 篇文章

机器人为什么还需要触觉?新智具身开源 5000 小时的真实视觉—触觉交互数据,全网下载量突破100万!

机器人为什么还需要触觉?新智具身开源 5000 小时的真实视觉—触觉交互数据,全网下载量突破100万!

从5000小时真实触觉数据开源,到\mathcal{N}_0系列触觉具身模型,新智具身早已展开系统性探索。 近日,蚂蚁灵波开源LingBot-Touch之后,触觉模型再次被推到了聚光灯下。行业开始认真讨论一个问题:机器人已经有了视觉,为什么还需要触觉? 答案并不复杂,视觉看似适配各类任务,但“能做”
0
0
9
深度!具身世界模型 Ropedia W0:从人类第一人称经验中学习跨本体的移动操作

深度!具身世界模型 Ropedia W0:从人类第一人称经验中学习跨本体的移动操作

机器人数据不足且难以跨本体复用:夹爪录的“把杯子放进盒子”换到灵巧手上,手型和接触就全变了,机械臂、人形机器人、夹爪、灵巧手动作空间对不上,一批数据往往只能喂一个本体。另一边,人类第一人称视频数量巨大,却与机器人之间存在本体差异。 11月5日,青稞Talk 166 期邀请到 Ropedia W0 一
0
0
36
直播预告!聊聊 VPP2:如何让 WAM 预测更准确、动作更可靠

直播预告!聊聊 VPP2:如何让 WAM 预测更准确、动作更可靠

世界动作模型(World Action Model)的想象很直接:视频模型已经学过物理世界的动态,那就让它先“想象”未来,再从想象里反推出动作。 问题在于,这个链条的第一环经常断。 在开放环境里,很多 WAM 的视频预测会跑偏:该抓的没抓,该放的放错位置。预测一旦错了,动作就跟着错。标准测试集上接近
0
0
40
Agentic Robot 终于有了“分步教程”!RoboAtom 开源:145 万条轨迹,成本降至 1/700

Agentic Robot 终于有了“分步教程”!RoboAtom 开源:145 万条轨迹,成本降至 1/700

引言 “从抽屉里取出杯子,放到桌上”,人一听就懂,机器人却要拆成好几步:打开抽屉、拿起杯子、把杯子放到桌上。每一步做什么、操作哪个物体、从第几帧开始、到第几帧结束,这些信息才是机器人真正需要学的“分步教程”。 现实是,机器人数据越攒越多,这份教程却几乎没人写。绝大多数数据只有一句任务级指令;少数带子
0
0
43
直播预告!具身世界模型 Ropedia W0:从人类第一人称经验中学习跨本体的移动操作

直播预告!具身世界模型 Ropedia W0:从人类第一人称经验中学习跨本体的移动操作

机器人数据不够用,是个老问题。 更麻烦的是换个本体就不好用:同一段“把杯子放进盒子”的视频,夹爪录的换到灵巧手上,手型和接触全变了;机械臂、人形机器人、夹爪、灵巧手,动作空间对不上,一批数据往往只能喂一个本体。另一边,人类的第一人称视频多到用不完,可它和机器人之间隔着一层本体差异。 来自南洋理工大学
0
0
84
Robotics RSI大时代,我们应该做什么

Robotics RSI大时代,我们应该做什么

转眼间已经距离Astra横空出世过去了好几个月了,这段时间也出了非常多的RSI、Harness系统刷爆了仿真,特别是之前被誉为珠峰的Robodojo,平均一周榜首换两三个,还基本上都是Agentic系统。 在这个狂欢下,我们不禁注意到,仍然有若干问题是agent无法解决的,以及一些是即使到GPT7、
0
0
70
直播预告!GroundingPI & GroundAnything:从精准定位到高速感知,具身基模该怎么进化

直播预告!GroundingPI & GroundAnything:从精准定位到高速感知,具身基模该怎么进化

先说个场景。 你让机器人去桌上拿那个蓝色杯子,它答得挺快:好,蓝色杯子。 然后手伸过去,抓了个空。 不是它不认识。它认识,甚至能告诉你杯子里有没有水。但它指不准——杯柄在左边还是右边,杯口离桌沿还有几厘米。就差这么一点,手就空了。 第一反应往往是“手”的问题:控制不够精细、动作不够稳。但把这两篇论文
0
0
79
别只升级“大脑”!NeurIPS 2026 论文呼吁:机器人的身体也该进化

别只升级“大脑”!NeurIPS 2026 论文呼吁:机器人的身体也该进化

作者:岳博,在香港中文大学(深圳)在读博士 青稞社区为科研人员提供成果宣传支持,如有优秀研究成果分享推广,欢迎投稿联系:aiFreeCode 谈到具身智能,我们很容易想到更强的视觉语言模型、更多的机器人数据,以及更好的控制策略。但有一个问题往往被放在了训练之外:如果机器人的身体本身不适合任务,再聪明
0
0
54
直播预告!世界动作模型为什么需要"记忆"?聊聊 Long-WAM 的上下文 Scaling 与边缘 Infra

直播预告!世界动作模型为什么需要"记忆"?聊聊 Long-WAM 的上下文 Scaling 与边缘 Infra

机器人要做到实时控制,需要足够长的视觉历史,来判断物体怎么动、任务进行到了哪一步;但只要开始处理历史,动作就会变慢——这是一对天然矛盾。 更微妙的问题在于:给模型历史,它就会用吗? 来自 NVIDIA、MIT、香港大学与 UCSD 的团队提出 Long-WAM——一个面向实时控制约束、系统性扩展因果
0
0
75
1.7B 挑战 8B 模型!港中大(深圳)最新成果 UNITAS 跳出视频生成,开辟三维原生 WAM 新路线

1.7B 挑战 8B 模型!港中大(深圳)最新成果 UNITAS 跳出视频生成,开辟三维原生 WAM 新路线

只有 1.7B 参数,却在双臂操作基准上超过 6B、8B 模型;四个操作基准,全部拿下论文对比方法中的最高整体成功率。 世界动作模型(World Action Model,WAM)的竞争,迎来了一条值得关注的新路线。 当不少研究还在借助预训练视频模型学习动作与未来画面时,香港中文大学(深圳)团队推出
0
0
50
直播预告!从 Code-as-Policies 到 EmbodiedRSI,聊聊具身智能体的自主学习与自我进化

直播预告!从 Code-as-Policies 到 EmbodiedRSI,聊聊具身智能体的自主学习与自我进化

近年来,机器人学习主要依赖模仿学习:用大量专家示范数据训练策略。但换个任务、变个环境,往往就要重新采集数据、重新训练——成本高,扩展性也差。 更麻烦的是,机器人基础模型在物体位置或任务指令变化时,性能会明显下降;想要进一步改进,又需要大量遥操作数据做后训练。 那么问题来了:能不能让具身智能体像人一样
0
0
122
4B 模型广泛感知能力超过 GPT-6 Astra!小鹏&北大开源原生 Grounding 基座模型 GroundingPI

4B 模型广泛感知能力超过 GPT-6 Astra!小鹏&北大开源原生 Grounding 基座模型 GroundingPI

从VLA到WAM,主流的模型都在通用的基座模型作为base model去改造,但通用基座模型真的靠谱吗? 所谓的具身基模又真的训对了吗? 当一个基座模型被改造成 VLA、承担 System 1 的执行角色时,最需要的究竟是什么能力或数据? 人类整理拥挤的桌面,需要先找到杯子和把手,再决定怎样抓取——
0
0
65
为什么数据被视为具身智能最大壁垒?

为什么数据被视为具身智能最大壁垒?

具身智能真正的壁垒在数据。 如果类比大模型的发展,大家都会谈 Scaling Law:模型、算力和数据共同决定模型能力。在机器人领域,也已经有研究观察到了类似的 scaling 趋势——随着数据、模型规模和算力增加,机器人策略的性能也会持续提升。 但问题在于,这三件事情的可扩展性并不对称。 模型架构
0
0
63
让大模型从运动和交互中学习空间推理,理解环境变化。浙大团队最新提出Spatial-Interactor

让大模型从运动和交互中学习空间推理,理解环境变化。浙大团队最新提出Spatial-Interactor

在陌生房间里,你向左转身,门从眼前移到了右侧。你知道,门没有动,变的是自己的朝向。但视觉语言模型(VLM)即使能认出每一帧里的门,也未必能准确判断这次转向。再多走几步,它还需要把沿途的变化连起来,才能知道最终到了哪里。 这揭示了空间智能中的一个关键差别:看懂每一帧,不等于理解一个连续变化的世界。现有
0
0
73
直播预告!聊聊 OpenWAM ,面向世界–动作模型的开源研究全栈与基座模型

直播预告!聊聊 OpenWAM ,面向世界–动作模型的开源研究全栈与基座模型

要让机器人真正“动手”,光有理解还不够:它既要看懂世界的物理与因果,还要把这些理解转化成可执行的动作。 但今天的世界–动作模型(World-Action Model,WAM)大多是“单体式”的:生成主干、视觉表示、网络架构、信息流、推理过程与训练数据全部耦合在一起,以至于研究者很难回答一个基本问题—
0
0
118
本地千问就能跑!具身 Agent 只纠错就够了:Spotter 用并行结构让 VLM 只在出错时出手,又快又准

本地千问就能跑!具身 Agent 只纠错就够了:Spotter 用并行结构让 VLM 只在出错时出手,又快又准

简介 具身模型(VLA)失手后很难自己改错,而让 VLM 每一步都当指挥又太慢。Spotter 反过来:具身模型一直执行,本地 Qwen 并行盯着,确认出错时才由 VLM 出手修复并反思,修完交还控制。同样步数下成功率更高,成功的回合只多十几秒,本地一个千问就能跑。 论文:Spotter: Let
0
0
116
面向具身智能规模化落地的端侧推理引擎来了:APXInf 开源,Pi 0.5 FP8 在 Thor 上推理延迟降至 26ms

面向具身智能规模化落地的端侧推理引擎来了:APXInf 开源,Pi 0.5 FP8 在 Thor 上推理延迟降至 26ms

今天的具身模型,已经能够看懂环境、理解指令,并把看到的、听到的信息转化为机器人该怎么动的决策。 但机器人最终还是要在物理世界里连续干活——从“眼睛看到”到“大脑决策”再到“手脚动起来”,整套流程都需要在极短的时间内完成闭环,这也是具身智能从 Demo 走向规模化应用,绕不开的核心关卡。 而当一个在云
0
0
130
面向空间智能的统一世界模型Puffin-World:从“生成画面”走向“理解并构建物理可信世界”

面向空间智能的统一世界模型Puffin-World:从“生成画面”走向“理解并构建物理可信世界”

世界模型正在成为空间智能和物理AI的重要技术主线。真正的世界模型不应只是逐帧生成逼真的像素,还需要理解当前视角所处的物理世界朝向、场景的几何结构,并支持对世界的建模与连贯模拟。 在这一方向上,来自南洋理工大学S-Lab和大晓机器人等机构的研究团队近期发布了 Puffin-World。它让同一个模型同
0
0
121
从"如何生成"到"如何验证",探讨物理一致世界模型如何实现可扩展机器人学习

从"如何生成"到"如何验证",探讨物理一致世界模型如何实现可扩展机器人学习

当机器人要学会叠衣物、理线缆、摆弄软体——可变形物体操作的真实数据采集成本高昂、状态空间复杂、仿真与现实的差距显著。物理一致的世界模型,能成为可扩展机器人学习的"数据引擎"吗? 9月1日(周二)20:00,青稞Talk 第150期,上海人工智能实验室物理智能中心青年研究员周云松、王帅,将以 SIM1
0
0
146
系统梳理 World Model in Agentic RL!

系统梳理 World Model in Agentic RL!

作者:Sherry https://www.xiaohongshu.com/user/profile/642d87c90000000011020daf World Model 这个概念其实已经提出很久了,我最近才第一次系统涉猎。虽然大家都在讨论 World Model,但真正试图解决的似乎并不是同一
0
0
237
不再困于自然语言!中科院自动化所最新推出 PhiZero,用“物理语言”帮助世界模型理解世界

不再困于自然语言!中科院自动化所最新推出 PhiZero,用“物理语言”帮助世界模型理解世界

作者:尚书尧 中科院自动化所 自然语言连接了 AI 与人类积累的数字知识。下一步,当AI走入物理世界,PhiZero希望用“物理语言”连接 AI 智能与真实世界。 人类用语言保存经验、传递知识,也用语言进行思考。从日常交流到科学定律,从历史记录到程序代码,自然语言凝结了人类长期积累的知识与经验。今天
0
0
191
世界生成模型不仅仅是未来模拟器!上海交通大学最新提出 Enfold:把世界模型的“未来计算”折叠进当下

世界生成模型不仅仅是未来模拟器!上海交通大学最新提出 Enfold:把世界模型的“未来计算”折叠进当下

作者:曾伟力,上海交通大学博士生 无需在每次决策时生成视频,也能让未来建模持续影响机器人的实时控制 世界模型让机器人拥有“想象未来”的能力,但如果每次动作预测都要完整运行一次视频生成,想象本身就会成为实时控制的负担。 来自上海交通大学和齐鲁工业大学(山东省科学院)的研究团队提出 Enfold:不再把
0
0
167
直播预告!聊聊 NTU & 大晓机器人最新开源的新一代具身智能数据范式 ACE-Data-0

直播预告!聊聊 NTU & 大晓机器人最新开源的新一代具身智能数据范式 ACE-Data-0

ACE-Data-0 是 南洋理工大学 S-Lab 和大晓机器人联合开源的一个面向具身智能与机器人学习的人类中心、多模态、长时程交互数据集。 基于环境式采集系统 ACE,将真实家居环境转化为空间标定、时间同步的数据采集平台,同时记录第一视角与多视角视频、全身与手部运动、物体几何及六自由度动作、运动轨
0
0
151
LA4VLA:从 VLA 预训练中解耦语言-动作监督

LA4VLA:从 VLA 预训练中解耦语言-动作监督

当前 VLA 预训练通常将视觉、语言和动作联合映射到动作,但视觉-动作监督更密集,容易使策略依赖视觉捷径,削弱语言对动作执行的约束。 上海交大联合阿里巴巴发布 LA4VLA,提出 Language-Action Pretraining:在预训练阶段暂时去掉视觉输入,让 VLA 更集中地学习语言和动作
0
0
109
VLA 模型:从入门到研究实践指南

VLA 模型:从入门到研究实践指南

作者:JoyeeEE https://zhuanlan.zhihu.com/p/2065806583955714218 前导 当大语言模型开始理解文本、多模态模型开始理解图像,下一个自然问题是:模型能否不仅“看懂”和“说清楚”,还能在物理世界中真正采取行动? Vision-Language-Acti
0
0
1216
清华 x 正行创新最新开源 LAWAM:隐空间世界动作模型将 WAM 瘦身24倍,同时成功率90%+!

清华 x 正行创新最新开源 LAWAM:隐空间世界动作模型将 WAM 瘦身24倍,同时成功率90%+!

折毛巾时,物理世界不会停下来等待机器人思考。 布料会滑动,褶皱会改变,前一秒还合适的抓取点,下一秒可能已经偏离。真实机器人做动态操作时,“想象未来”不能停留在离线视频生成里。它必须进入控制回路,在动作还来得及调整时,给策略一个可用的未来线索。 一个直接的想法,是让模型先生成未来画面,再让机器人根据这
0
0
245
自回归 VLA 到底怎么做?从问题定义到工程落地,揭秘通用机器人最关键的那条路线

自回归 VLA 到底怎么做?从问题定义到工程落地,揭秘通用机器人最关键的那条路线

在具身智能快速发展的背景下,视觉-语言-动作(VLA)模型已成为机器人自主操控的核心研究方向。 当前挑战:主流 VLA 方案多聚焦动作拟合与模仿学习,往往弱化了语言理解、常识推理与开放泛化能力。 核心矛盾:通用 VLM 与具身 VLA 数据存在显著表征鸿沟,直接制约了模型的泛化性能与落地效果。 7月
0
0
377
VLA的OOD困境:不是模型不够大

VLA的OOD困境:不是模型不够大

作者:原来ID可以这么长 https://zhuanlan.zhihu.com/p/2060361643851256385 核心要点速览 Vision-Language-Action(VLA)模型虽然在机器人操控任务中展现出强大的能力,但在面对分布外(Out-of-Distribution, OOD
0
0
317
直播预告!机器人如何实现有效学习?聊聊正行创新 x 清华团队提出自监督帧级别优势建模算法STEAM

直播预告!机器人如何实现有效学习?聊聊正行创新 x 清华团队提出自监督帧级别优势建模算法STEAM

随着具身智越来越多地进入生产环境,策略进化的核心变成对混杂数据的高效利用。 这正是离线强化学习发挥的重要场景,但效果严重依赖于帧级的好坏标注——逐帧分辨哪些时刻在推进任务,哪些在停滞或倒退。但靠人类逐帧标注机器人数据非常耗费人力、难以规模化。 为了解决这个问题,清华于超老师团队与正行创新(Strid
0
0
214
超越Pi*0.6的RECAP算法!正行创新 x 清华团队提出自监督帧级别优势建模算法STEAM

超越Pi*0.6的RECAP算法!正行创新 x 清华团队提出自监督帧级别优势建模算法STEAM

想象一条折毛巾轨迹:机器人一开始做得不错,抓住了毛巾边缘,也把布料拉开了一部分。随后它抓偏了,布料开始皱在一起,动作进入停滞。几秒后,人类接管,把毛巾重新整理好,任务最终成功。 这是一个典型的真实世界策略在线采集数据的过程。 但关键问题是,这条数据到底该怎么用? 如果我们只保留「成功部分」或只学习人
0
0
222
青稞Talk预告!NTU MMLab 博士后许牧天:面向时空具身仿真的运动学 4D 世界建模 Kinema4D

青稞Talk预告!NTU MMLab 博士后许牧天:面向时空具身仿真的运动学 4D 世界建模 Kinema4D

在具身智能领域,模拟机器人轨迹至关重要。近期,研究者开始利用视频生成模型来进行模拟,但仍存在关键缺陷: (1) 维度缺失:局限于 2D空间,缺乏交互所需的 4D 时空约束; (2) 精度不足:依赖语言指令、隐式动作理解、或静态环境先验,使得模型需要去"猜测"潜在的机器人动作,难以提供精确控制和动态引
0
0
102
直播预告!如何设计一个好的自回归 VLA:从问题构建到工程落地的探索之旅

直播预告!如何设计一个好的自回归 VLA:从问题构建到工程落地的探索之旅

在近两年的具身基础模型的研究中,由Pi引领的基于流匹配和动作专家的VLA模型一直是大家追随的主流。 另一方面,自回归的模型具备若干天然优势,比如更强的语言理解能力、更鲁棒的零样本泛化能力、以及已经被证明过的Scaling潜力; 然而,关于如何设计一个好的自回归VLA确没有人做系统讨论与分析。 7月4
0
0
238
还在用 2D 空间训具身?南洋理工 MMLab 提出 4D 具身世界模拟器,构建虚拟与现实的时空桥梁!

还在用 2D 空间训具身?南洋理工 MMLab 提出 4D 具身世界模拟器,构建虚拟与现实的时空桥梁!

本文第一作者许牧天,南洋理工大学MMLab博士后。导师刘子纬教授,为本文通讯作者。 机器人-环境交互模拟是具身智能的核心。近期,一些研究展现了利用视频生成技术突破传统模拟器“僵化”的视觉与物理限制的潜力。 然而,这些工作主要在 2D 空间运行、或受制于静态环境的单一引导,忽略了一个基本事实:机器人与
0
0
104
当我们说具身智能缺数据时,我们到底在说什么?

当我们说具身智能缺数据时,我们到底在说什么?

作者:hsj https://zhuanlan.zhihu.com/p/2023447662066762473 机器人不缺数据,缺的是把数据变成能力的结构 一、一个显而易见的问题,做了几年还是没解 Joe Harris 前阵子发了条推文,说机器人行业根本不缺数据,每家部署超过半年的公司都有 TB 级
0
0
316
Puffin: 统一多模态空间智能大模型——从任意视角理解和生成世界

Puffin: 统一多模态空间智能大模型——从任意视角理解和生成世界

多模态空间智能不仅要求机器理解任意相机视角下的现实世界,更要求其具备从任意相机方位创造世界的能力。然而,当前的视觉与生成模型大多仅隐式地感知相机几何,或将理解与生成任务割裂开来。 新加坡南洋理工大学、商汤科技、密西根大学和马普所的研究者们联手提出了一种全新的范式——将“相机几何”破译为一种“语言”,
0
0
390
或许,端到端VLA不是AGI的正确路径,Agentic Policy才是

或许,端到端VLA不是AGI的正确路径,Agentic Policy才是

作者:Sonata,清华大学 计算机科学与技术博士在读原文:https://zhuanlan.zhihu.com/p/2022547604903339697 这里是一些最近做机器人研究产生的的个人看法。具体内容难免存在局限和疏漏,也可能和主流观点并不相同,欢迎友好讨论和指正。 VLA很火热,但也很稚
0
0
340
从 Depth Scaling 到 Width Scaling!WideSeek-R1:通过多智能体 RL 探索大模型的广度扩展(Width Scaling)

从 Depth Scaling 到 Width Scaling!WideSeek-R1:通过多智能体 RL 探索大模型的广度扩展(Width Scaling)

DeepSeek-R1 的成功证明,深度扩展(Depth Scaling)在复杂逻辑推理中具有巨大潜力。但当任务从“深推理”转向“广信息”——如汇总全球头部科技公司多维财务数据——单一大模型往往受限于多轮检索带来的上下文干扰与串行效率瓶颈。 为此,我们提出“广度扩展”(Width Scaling)这
0
0
227
从 VGGT 到 PAGE-4D:动态世界中的 3D 感知统一框架

从 VGGT 到 PAGE-4D:动态世界中的 3D 感知统一框架

动态三维建模的统一框架旨在在时间维度上同时建模场景的几何结构与运动变化,实现对动态世界的完整理解与重建。 整体框架通常包括两个核心模块: 首先是感知与表示模块,从多视角图像或视频中提取空间与时间特征,并构建统一的动态场景表示,如隐式场、3D Gaussian 或体渲染表示; 其次是几何与运动建模模块
0
0
225
RLinf-USER:面向现实世界机器人在线策略学习的统一且可扩展系统

RLinf-USER:面向现实世界机器人在线策略学习的统一且可扩展系统

USER 是在 RLinf 上搭建的一套面向现实世界在线策略学习的统一且可扩展的系统。 在系统上,它建立了统一的硬件抽象层、自适应通信平面以解决硬件管理和通信问题。 算法侧,它搭建了全异步学习框架,设计了持久化、缓存感知的缓冲区,并提供了奖励函数、算法与策略的可扩展接口。
0
0
277
VLA 已经不满足于 SFT,也要上 RL 了?

VLA 已经不满足于 SFT,也要上 RL 了?

作者:张海抱 https://zhuanlan.zhihu.com/p/1976979860405633293 最近 VLA 的一大研究趋势就是不再满足于 SFT,而是也要上 RL 了。最近读了一波这方面的论文,分享一些心得。 首先,有些文献调研还是按照 online RL / offline RL
0
0
221
从 ICLR 2026,看VLA的研究趋势

从 ICLR 2026,看VLA的研究趋势

原文:https://mbreuss.github.io/blog_post_iclr_26_vla.html 本文总结了 视觉-语言-动作(VLA)模型 在 ICLR 2026 上的研究现状:什么“算作”VLA(以及为什么这个定义很重要)、当前 VLA 领域的研究热点(离散扩散、具身推理、新分词器
0
0
435
 万字长文深度解析经典VLA方案:PI-0

万字长文深度解析经典VLA方案:PI-0

提到具身智能就绕不开的经典工作,自动驾驶的VLA虽然在本体确定的情况下(汽车四轮形式),也看起来只有EMMA比较合理的方案,那么来看下本体还不确定收敛的具身行业。我认为目前核心关注的应该是机械臂的操作技术突破。 (以产生和物理世界的交互,末端执行器更多使用两指夹爪、机械臂数量上的也可以任意拓展,从单
0
0
1583
系统解析VLA核心技术路线与典型架构

系统解析VLA核心技术路线与典型架构

作者:ning 原文:https://zhuanlan.zhihu.com/p/1967989523196667587 引言:VLA 与智能机器人的具身智能革命 Vision-Language-Action(VLA)模型是具身人工智能(Embodied AI)的核心载体,其核心价值在于打破传统机器人
0
0
966
 28篇最新论文!系统调研 VLA+RL 最近的研究趋势

28篇最新论文!系统调研 VLA+RL 最近的研究趋势

作者:张海抱 原文:https://zhuanlan.zhihu.com/p/1940702256241575450 写在前面 VLA 时代的强化学习和 Atari 时代的强化学习有什么区别?个人认为有一好两坏两个方面。 好的方面是我们现在有一个非常有用的资源 —— 预训练的大模型,它可以对我们的探
0
0
354
SimpleVLA-RL:简单可拓展的VLA强化学习训练

SimpleVLA-RL:简单可拓展的VLA强化学习训练

VLA模型已成为使机器人在真实环境中解决各类复杂操作任务极具前景的新范式,其发展仍受限于数据稀缺与泛化能力不足等问题,而强化学习能缓解数据依赖并显著提升模型性能与泛化性,正受到广泛关注。 本次报告将解读所提出的专为VLA模型设计的高效强化学习框架SimpleVLA-RL,内容主要分为三部分: • 首
0
0
375
Virtual Community 虚拟社区:面向人、机器人与社会的开放世界模拟平台

Virtual Community 虚拟社区:面向人、机器人与社会的开放世界模拟平台

人工智能与机器人技术的飞速发展,正在引领人类社会迈向一个人与机器人共处的新阶段,这将带来深刻的社会变革与挑战。 为探索这一未来,来自马萨诸塞大学阿默斯特分校、约翰霍普金斯大学和卡内基梅隆大学的研究者构建了“虚拟社区”平台——一个基于真实地理场景和通用物理引擎的开放世界模拟环境。 在这一平台中,研究者
0
0
243
正在直播 B 站

视频号直播二维码

用微信扫一扫,在视频号观看直播