00后团队48小时从零采集数据,夺具身挑战赛冠军
真勇啊!00后团队参加具身挑战赛,仅48小时竟敢从零手搓数据,还夺冠了!
AI 摘要
据量子位报道,一支00后团队参加具身智能挑战赛,在仅48小时内从零开始自行采集、标注数据并完成模型训练与部署,最终夺得冠军,获得8万元奖金。该案例显示小团队在极短周期内自建数据闭环完成具身任务的可行性。
阅读原文来源 量子位 · qbitai.com
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。
真勇啊!00后团队参加具身挑战赛,仅48小时竟敢从零手搓数据,还夺冠了!
AI 摘要
据量子位报道,一支00后团队参加具身智能挑战赛,在仅48小时内从零开始自行采集、标注数据并完成模型训练与部署,最终夺得冠军,获得8万元奖金。该案例显示小团队在极短周期内自建数据闭环完成具身任务的可行性。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。
mll-lab-nu 开源 Embodied-First-Exam,把多个机器人基准套件任务冻结成统一题库,要求代码智能体以程序作答,并在独立沙箱中逐条验证,运行于 Harbor 之上。Python 实现,GitHub 约 284 星,为物理世界代码智能体提供跨套件可复现评测入口。
RoboDojo-Benchmark 团队更新 RoboDojo 官方开源仓库,提供 Python 实现与项目代码,当前获 911 星。此次更新便于研究者获取和复用该机器人基准,但原文未披露新增功能、评测结果或版本变更细节。
谷歌云公布基于第七代Ironwood TPU的10项MLPerf测试结果,覆盖前沿预训练与首个面向智能体强化学习的基准。在智能体RL测试中,640块Ironwood TPU用18.02分钟达到目标编码基准准确率,代码生成与学习并行运行,芯片等待时间占比低于3%。
MichaelGrupp 更新开源 Python 工具 evo,用于评估里程计与 SLAM 轨迹精度,支持轨迹对齐、误差计算和结果可视化。该项目在 GitHub 已获 4367 星,是机器人定位建图研究中常用的评测组件之一。