视角
共 56 篇相关内容
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
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…
机器人都能跑马拉松了，为什么走到前台还这么难？
机器人越来越会动了。四足机器人爬楼梯、翻越障碍早已不新鲜。今年北京亦庄的人形机器人半程马拉松上，甚至有近四成参赛队伍采用自主导航方式。 但如果终点不是赛道上的冲线，而是某栋写字楼的前台呢？ 在 Vbot（维他动力）展示的一段导航演示中，机器…
大晓发布 ACE-Brain-0.6，六项空间锚定评测得分超过 GPT-6 Astra
10 月 19 日消息，大晓机器人发布具身基模型 ACE Brain 0.6。据团队披露，这款 9B 模型在八项视觉空间锚定评测中，有六项得分超过 GPT 6 Astra；七项公开基准平均得分为 74.53 分，Astra 为 73.68 …
清华系创业公司新作：机器人看了 100 万小时人类操作，学会自己想办法
螺丝、包装袋、瓶盖，这些日常物件全都是为人手设计，但机器人的末端执行器大多还停留在两指夹爪。想要打造能在真实世界落地的通用机器人，灵巧手操作是绕不开的一关，而真正的瓶颈在于操作经验。通用模型需要见过足够丰富、大规模的真实操作样本，可机器人只…
英伟达 Jim Fan 团队新作：只拉长历史解决不了 WAM 短板，核心需靠自回归预测
Long WAM 发现「能拿到历史」不等于「会用历史」：只有视频底座先以自回归方式学会从过去推未来，拉长上下文才能真正实现性能上涨。基于这一结论，团队将这套世界动作模型打造为可在边缘设备实时运行的系统。上下文时长从 0 秒拓展至 19.2 …
禾赛发布 AI 相机 Kosmo，要把真实世界变成一门数据生意
「禾赛的空间智能产品，最终会是一个比激光雷达更大的事。」10 月 14 日，禾赛联合创始人兼 CEO 李一帆给出了这样一个判断。 当天，禾赛科技发布三维世界数据引擎 Kosmo，包括 AI 空间相机 Kosmo One 和云平台 Kosmo…
「摔倒」方显真差距，I-BFM 把物理交互训进行为基座模型
这两年有不少惊艳的机器人搬箱子的 demo，但不知道大家是否有注意到一个细节，绝大多数 demo 里，一切都是按剧本走的。箱子摆在它该在的位置，机器人站得笔直，一遍过，没有任何干扰，甚至大部分镜头里都没有人的出现。 现实世界不是这样。手会没…
王晓刚、李鸿升团队新作：260 万个场景训练灵巧手
OmniDex 借助可复用种子抓取库搭配碰撞筛选，将杂乱场景下的灵巧手抓取数据集规模从数千个扩充至 260 万个场景、约 4 亿条抓取标注；配套采用软胜者全取学习与物理约束的生成模型，省去推理阶段反复优化抓取位姿的步骤。 10 月 8 日，…
贾奎团队新作：让世界动作模型真正理解三维空间
UNITAS 将观测、动作与场景变化统一至同一个米制三维坐标系：以点轨迹表征人手与夹爪的运动，用场景流描述场景点的位移，让世界动作模型不再单纯依靠图像推测环境演化。模型参数量仅 1.7 B，在 LIBERO 基准测试上取得 99.8 % 任…
智在无界卢宗青团队提出 Being-M0.7，依托人类视频动作先验，训练人形机器人全身移动操作
Being M0.7 依托一万余小时人类第一视角视频与人体动作数据，学习画面与全身动作的联合先验，再通过机器人轨迹完成中训与动作后训练，输出人形机器人全身移动 + 操作的控制指令。模型在 SIMPLE 仿真基准中综合成功率 71.1%，位列…
中科院自动化所与高德团队提出 DreamTrue，将机器人动作统一渲染为画面条件，实现高精度未来视频预测
DreamTrue 将机器人动作渲染为画面内的机器人作为训练条件，为世界模型补充示范数据中缺失的失败动作，并依托人工标注训练得到的奖励模型开展强化学习。当动作执行失败时，模型能够如实预测对应的结果，它在 AgiBot 平台上将交互缺陷率从 …
UCLA 的 Ankur Mehta 谈机器人、公众信任与资源约束
9月30日，国际智能机器人与系统（IROS）2026 大会现场，加州大学洛杉矶分校（UCLA）电子与计算机工程学副教授 Ankur Mehta 在主题演讲中以「机器人难以自解的问题」开场，向台下近半数由课题负责人与学生构成的听众，展示了一组…