EEmbogent
模型数据硬件产品评测公司技术融资
数据重要2026/11/14 14:32·重要度 75

Ego2Sim2Humanoid:从人类视频生成人形机器人训练数据

Ego2Sim2Humanoid: Agentic Real-to-Sim for Learning Loco-Manipulation VLAs without Robot Demonstrations

AI 摘要

科罗拉多大学团队提出 Ego2Sim2Humanoid:将自我中心眼镜拍摄的人类视频,经智能体式 real-to-sim 重建碰撞与纹理资产、补全未见表面并预测接触带,再适配不同体型人形机器人,生成经物理验证的训练轨迹,无需遥操作示教即可训练 VLA 策略。

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

数据重要4 天前

Agentic-Teacher:面向VLA后训练失败驱动的智能体数据引擎

研究者提出 Agentic-Teacher,一个面向 VLA 后训练的自主数据引擎。它以 VLA 检查点、任务说明和环境工具为输入,分析失败轨迹、选择干预状态,并通过执行反馈迭代生成闭环代码策略,把验证后的策略转为可复用的示范生成器,在模型失败的状态收集成功续接数据,并引入时序相关动作噪声提升示范可学习性。

数据重要4 天前

HEIR:融合第一人称意图的人机交互数据集

研究团队发布 HEIR 数据集,将人机交互中的语音指令、实测注视点与第一人称视频,同机器人观测和遥操作导航-操作轨迹对齐;每次会话保留连续多轮请求,每条请求拆分为多个执行子任务,并附人工标注。该资源用于统一场景下的意图落地、执行规划与任务完成研究,作者通过离线实验验证模型可从中获益。

数据重要6 天前

DexSeed:将人手-物体交互扩展为机器人灵巧操作示范

研究团队提出 DexSeed 框架,把人类手-物体交互数据低成本转化为灵巧 VLA 训练示范。其思路是按抓取方式组织人类序列,在保留原抓取的前提下扩展出不同物体与操作位置的新交互,并在物理仿真中按手臂跟踪动力学实现为可执行的手臂与手指动作及视觉观测,从而摆脱对昂贵遥操作的依赖。