跳到正文

#具身智能

今日 0 条
10月20日周二
  1. arXiv cs.AI / cs.LG 最新59

    arXiv 论文提出 PhysRSI-eval,用五轴指标刻画 LLM 策略的物理递归自我改进

    这篇 arXiv 技术报告提出 PhysRSI-eval,用首次尝试表现、效率、成功率、预算和失败后的改进五个轴量化物理递归自我改进。作者在固定交互预算下用 18 个操作任务评测多个 VLM,据此提出物理木桶假说,认为不同能力约束改进的不同环节。五轴指标可区分公开榜单平均分接近的系统,高分未必对应更早或更高效的改进;工作区干预实验还显示移除历史会降低后期成功率。

  2. arXiv cs.AI / cs.LG 最新50

    CoopUQ 用不确定性感知协同预测提升多机器人社交导航安全性

    论文提出 CoopUQ,一个结合不确定性感知协同占用栅格预测与鲁棒决策的多机器人社交导航框架。它通过跨机器人时空特征融合预测未来占用栅格,再用预测结果及其不确定性约束多智能体强化学习的代价函数,惩罚驶入高占用或高不确定区域的导航行为,使策略在分布偏移下调整风险敏感度。

10月18日周日
10月16日周五
  1. arXiv cs.AI / cs.LG 最新65

    LIBERO-PeRM 提出个性化机器人操作基准,含 312 个任务

    LIBERO-PeRM 是用于评测具身智能体个性化偏好的基准,基于 LIBERO 构建,含五个任务套件共 312 个任务,并提供配对演示与偏好满足度指标。它围绕零样本偏好遵循、从演示学习偏好、随演示增加的学习效率、跨布局与任务泛化、偏好组合与冲突五个问题设计,偏好限于语言可表达且不改变任务目标。

    推荐理由:机器人策略研究者可以用这套含 312 个任务的基准,先测零样本个性化表现,再决定是否加入 SFT 数据。

8月26日周三
8月14日周五
7月30日周四
  1. Google DeepMind68

    Google DeepMind 发布 Gemini Robotics ER 2,支持视频理解、任务编排与多机器人协作

    Google DeepMind 发布面向机器人的具身推理模型 Gemini Robotics ER 2,作为机器人的高层大脑负责对话、多步任务规划与工具调用,再把动作执行交给下层 VLA 模型。

    推荐理由:机器人开发者可通过 Gemini API 调用 ER 2,把 VLA 模型和导航 API 声明为工具,配合 GitHub 示例跑通取物流程。

7月28日周二
  1. Google DeepMind76

    Google DeepMind 发布 Gemini Robotics 2,让人形机器人实现全身控制与多机协作

    Google DeepMind 发布 Gemini Robotics 2,包含视觉语言动作模型 Gemini Robotics 2、具身推理模型 Gemini Robotics ER 2 和本地运行的 Gemini Robotics On-Device 2 三个模型。

    推荐理由:做具身智能的团队可先在 Google AI Studio 调用 Gemini Robotics ER 2 验证多步任务规划,VLA 与端侧模型需申请早期访问。

7月27日周一
  1. Hugging Face Blog66

    NVIDIA 发布 Cosmos-H-Dreams 实时手术机器人生成式仿真器

    NVIDIA 发布 Cosmos-H-Dreams,这是面向手术机器人的动作条件化实时生成式仿真器,把 Cosmos-H-Surgical-Simulator 蒸馏为少步因果学生模型,经 FlashDreams 在单张 RTX PRO 6000 上达到约 160 帧每秒。

    推荐理由:做手术机器人策略研究的团队可以用它把真机试错搬到单卡实时仿真里,先跑通闭环评估和失败样本生成再上硬件。

7月21日周二
  1. Hugging Face Blog63

    Pollen Robotics 开源 Grabette,用手持夹爪低成本采集机器人操作数据

    Grabette 是 Pollen Robotics 开源的机器人操作数据采集系统,用手持夹爪代替遥操作机械臂记录演示。设备含两个摄像头、IMU 和夹爪编码器,硬件物料成本约 490€,配套电机夹爪 Gripette 约 120€。

    推荐理由:机器人学习团队可按开源清单组装 Grabette,用手持演示直接采集并转成 LeRobot 训练数据集。