Liber
共 20 篇相关内容
LiberAI 发布 Liber-0，打通人类动作经验到机器人
11 月 4 日，物理世界模型初创公司 LiberAI 正式发布世界动作模型 Liber 0。 根据官方信息，Liber 0 在超 220 万小时的人类经验数据上完成预训练。团队采用 GPT 6 提出的 60 项操作任务做零样本评测：任务分…
DreamFree 依托表征蒸馏，脱离未来视频生成实现机器人控制
机器人想要学会操作，首先要预判场景接下来会如何变化。不少世界动作模型会借助预训练视频扩散模型完成这件事：先脑补出未来画面，再依据画面输出动作。但生成想象画面是部署阶段成本最高的环节，生成一组动作序列需要执行数十步去噪。一旦想象的画面出现偏差…
启元具身研究中心发布 PrimeSim，探索用视频生成模型构建机器人仿真器
11 月 4 日，启元具身研究中心发布世界模型仿真器 PrimeSim，面向机器人操纵任务开展策略训练。它以预训练视频生成模型为基础，经过中训练和后训练，尝试让模型根据机器人动作指令推演环境变化。团队称，相关权重、推理代码与训练代码计划于 …
清华团队提出 Utility-WAM，按需启用未来视频做机器人动作规划
把「先想几帧未来画面，再出动作」写进策略，是具身智能近两年很受关注的技术路线。机器人可以在模型内部推演后续场景画面，让动作规划获得动态前瞻能力，理论上更适配长程、多阶段任务。 但是，预测未来画面会改动模型输出的动作，改动有好有坏，正负效果互…
上海交大、创智学院、穹彻智能联合发布 UniFlowWAM： 当「流」成为模态
上海交大、创智学院、穹彻智能联合发布 UniFlowWAM： 当「流」成为模态 近半年来，有关 WAM 的研究越发出现一种趋势，即将物理世界的信号提取为抽象模态，成为数据并进入编码器中，用于具身模型的学习。积水成冰，随着越来越多的团队叩问什…
对话 Copper-Policy 团队：从像素预测走向紧凑世界表征
为了让机器人具备更强的认知与物理交互能力，研究者开始探索世界动作模型（WAM）。WAM 通过视觉动力学预测场景的演化，将「世界应当变成什么样」与「机器人如何实现这一变化」联系起来。即使测试时不生成未来，联合训练的收益仍然存在。 那么，WAM…
英伟达提出 ThinkWorld，把动作写成链，用想象的未来判对错
机器人演示采集成本高，覆盖的场景和动作有限。互联网上虽然有大量人类第一视角视频，却零散杂乱，也没有机器人可以直接执行的动作标签。VLA 怎样吸收这些视频里的操作经验？ 针对这个问题，英伟达联合 KAIST（韩国科学技术院），于 10 月 2…
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…
Jim Fan、韩松团队提出 Robota-Embed：机器人检索经验，动作比画面更关键
具身智能机器人想要复用过往操作经验，普遍会检索历史示范视频，模仿曾经成功的操作。 但传统检索大多只比对画面外观：只要桌子、物体看起来一致，就判定是匹配片段，忽略机械手当下的运动方向。同样的纸箱、同一段胶带，封箱和撕胶带两张画面几乎看不出差别…
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 …
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…
清华赵行团队与北大刘珂团队发布 SkelWAM，用骨架让策略零样本跨十种机械臂
SkelWAM 实现了在一台机器人上训练好的操作策略，可以直接部署到其他不同结构的机器人身上。研究团队设计了一套统一手臂骨架的公共几何表征。模型接收视觉画面，读取本体状态，预测后续动作，全部基于这套表征。策略只在 Franka 上训练，迁移…