视觉-语言-动作模型

共 15 篇相关内容

谷歌更新机器人 VLA 模型，Apollo 2 在奔驰产线实现 96% 分拣成功率

11 月 10 日，谷歌通过旗下 DeepMind 官方博客发布视觉 — 语言 — 动作（VLA）模型 Gemini Robotics 2.5。从实验室任务落地到奔驰产线试点，这一版本模型究竟在哪些地方实现了提升？根据谷歌披露，在与 A…

仉尚航等提出 HAF VLA，让人形机器人分层生成协调的全身动作人形机器人要学会自主走向目标、俯身、再伸手抓取，卡点在于全身动作的协同生成。腿、腰、头部与双臂串联在同一条运动学链上：底盘偏移几厘米、腰部角度差几度，手臂就得伸得更远代偿。持…

同一天两篇论文，复旦大学付彦伟团队：机器人先行感知，接住新视角下的动作机器人伸手抓取被杂物遮挡的杯子，最直观的解法就是转动腕载相机重新观测。但相机转动会同步改变机械臂构型，策略将面临训练期间从未见过的初始状态，图像、位姿与剩余任务之间的关…

一个圆柱、一块正在转动的孔板，足以让两种机器人模型拉开差距。在 Shallow π 的真实机器人实验中，任务要求机械臂拿起圆柱，插入移动中的小孔。层数更多的大模型，可能在等待计算结果的过程中错过位置；一个层数更少、输出接近它的小模型，却能…

VLA 模型可以把图像和语言指令转换成机器人动作，训练的过程中，研究人员通常只评价机器人的动作像不像专家。至于机器人的动作会怎样改变物体、空间关系和任务状态，通常没有被明确交给模型学习。短任务可能掩盖这个缺口；一旦任务变长，或者视角、背景和…

11 月 9 日，CoRL 2026 机器人学习大会在美国得克萨斯州奥斯汀举行。当地时间 9:30 – 10:00，大会举行首场早期职业主旨演讲。清华大学交叉信息研究院助理教授、星海图联合创始人兼首席科学家赵行，以「Organizing …

33日前赴后继：「盘踞珠穆朗玛峰」的 Agent，与步入调整期的 RoboDojo RoboDojo 是具身智能领域具有代表性的评测标准之一。这项包含 42 个仿真任务与 18 个真机任务，堪称机器人的「全科大考」。在 CALVIN、LIB…

机器人一旦做错决策，能不能退回节点换个动作重新尝试？这在现实物理世界很难，就像积木塔一旦倒塌，不会自己复原。机器人每试错一次，都要人工重置场景、把道具摆回初始状态，才能开启下一轮试验。大量时间和成本都耗在场景复位上，这正是实体机器人强化…

机器人操作领域的主流评测基准，大多围绕两指夹爪搭建。面向五指灵巧手的评测数量少、规模有限，任务设置与计分口径各不相同，不同团队的实验结果难以横向对比。 10 月 19 日，清华大学、北京邮电大学、自然意志与北京大学联合发布论文《Hand…

10 月 21 日，加州大学伯克利分校（UC Berkeley）团队公开论文《SuperMimic: Scaling Humanoid Whole Body Control with One Differentiable World Mod…

今年 IEEE/RSJ 智能机器人与系统国际会议（IROS）于 9 月 27 日至 10 月 1 日期间在美国匹兹堡召开。本届 IROS 收录的论文接近 1,900 篇，分设三百多个主题报告场次。作为机器人领域与 ICRA 齐名的两大顶…

DynaForge 让动态操作的演示不必再靠人手一条条去采集。机器人可在仿真环境自主试跑，从失败回合中学习修正量，把原本失败的轨迹转化为可供策略训练的有效演示。 9 月 22 日，上海交通大学自动化与感知学院联合蓝箭航天空间科技股份有限公司…