EEmbogent
模型数据硬件产品评测公司技术融资
技术2026/11/11 14:28·重要度 70

CFGComposer:音频文本驱动全身动作生成

CFGComposer: Compositional Audio-Text-to-Motion Generation via Copula Score Correction

AI 摘要

Pengyang Shi 等提出 CFGComposer,将两个独立训练的扩散模型在推理时组合,并用 copula 分数修正音频与文本跨模态交互偏差,实现与语音节奏同步、语义对齐的全身手势生成。在 BEAT 数据集上取得 SRGR 0.9916、FID 27.18,达到当前最佳语义保真度。

阅读原文来源 arXiv VLA/Humanoid · arxiv.org

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。

同板块相关

技术17 小时前

Polygraph:在线多会话轨迹优化管线

ETH Zurich 等团队提出 Polygraph 在线多会话轨迹优化管线:按关键帧和空间簇逐块处理,不构建三维地图,并用学习到的图像匹配将每个闭环簇与其他会话关联,把多次独立通行产生的漂移轨迹统一到同一坐标系。该方法无需预先汇集全部会话或固定单一参考帧,面向大规模在线运行。

技术3 天前

无线边缘辅助VLA自适应潜在推理框架

Fatih Temiz 与 Melike Erol-Kantarci 提出 WEALR 框架,使 VLA 模型在机载算力之外借助无线边缘服务器完成潜空间推理,并通过决策机制自适应调节推理深度与计算卸载,以权衡任务成功率、推理时延与能耗。该研究面向真实通信条件下的协同推理,旨在缓解有限机载资源难以支撑机器人实时控制的问题。

技术3 天前

苏黎世联邦理工让灵巧手用指尖行走并操作物体

苏黎世联邦理工学院软体机器人实验室把一款Wuji商用灵巧手改造成独立机器人:仅加装80克背包(电池、IMU、树莓派Zero),用强化学习在仿真中训练指尖爬行步态,并针对手指不等长、拇指对置的非对称结构重设奖励与姿态约束。该手可脱离机械臂,用爬行的同一批手指操作开关与物体,面向工业检修与狭小空间搜救。