EEmbogent
模型数据硬件产品评测公司技术融资

最新动态 · 第 4 页

技术重要3 天前

ESI:LLM-VLA 智能体具身自我改进飞轮

研究团队提出 ESI 具身自我改进飞轮,把 LLM 与 VLA 构成的模块化智能体整体作为后训练单元,借环境交互反复优化 LLM 提示、共享技能接口与 VLA 参数并联合重部署。针对 VLA 动作偏离 LLM 子任务意图、纠错后丢失已恢复有效状态的问题,让二者协作过程本身提供监督信号。

技术重要5 天前

ActionCodec2:误差可控的流式动作分词器

Zibin Dong 等提出 ActionCodec2,一种非神经网络流式动作分词器,可按步增量输出动作、无需整块解码,并将轨迹重建误差控制在设定容差内。其编码器以解码器重建状态为参考量化每步,避免独立量化误差累积;作者将最小基元集求解转化为几何覆盖问题,给出平移的精确最小值与旋转的紧界,并用 Set-BPE 无损合并共现符号。

技术重要6 天前

单张RGB图像生成人形机器人交互动作流程

Zhenxuan Ding等人提出一套统一流程:从单张RGB图像重建场景几何,在该场景条件下生成人体交互动作,再重定向到人形机器人,无需预建3D场景资产。为避免动作与重建场景出现几何错位、以及人机形态差异带来的支撑接触误差,作者加入度量场景对齐与接触引导重定向两级细化,使动作在生成与迁移全程保持几何一致。

模型重要6 天前

为冻结VLA模型学习低延迟动作验证

研究者提出 HDH 轻量框架,用冻结 VLA 自身部署回采的 hindsight 数据训练动作验证器,为每个动作块预测任务成功分数;推理时 VLA 采样多个候选,验证器选分数最高者执行,避免昂贵验证器带来的额外延迟。在 LIBERO-10 四个任务上平均成功率 82.3%,三个真实操作任务上也优于基线。

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。

技术3 天前

伯克利与英伟达提出智能体机器人编程方法

加州大学伯克利分校与英伟达在CoRL 2026联合提出“智能体机器人”方法:借助AI编程工具,先理解机器人动力学,再生成人类可读的控制代码,无需海量演示数据即可完成工业任务。研究者认为模仿学习在工业可靠性上已遇瓶颈,该方法试图绕开数据规模难题,但目前尚无量化结果。

技术3 天前

仿真强化学习实现滑移装载机特技动作自主控制

研究团队在仿真中用强化学习训练滑移转向装载机的控制策略,并成功迁移到真实重型工程机械上,完成此前仅少数顶尖人类操作员在世界纪录表演中实现的特技动作,将机器推向执行器极限。难点在于液压驱动含流体、柔性环节与非线性延迟,且机体庞大沉重、实机试验风险极高。

数据4 天前

TouchTwin:用触觉手套打通真-仿-真数据扩增

研究团队发布 TouchTwin,用头戴与腕部 RGB-D 加 880 触感点手套采集人手抓取,在 MuJoCo 中由编码智能体重建物体与触觉手,将单次演示扩增为带接触力标注的仿真数据。作者测得仅模仿视觉位姿的策略抓握力只有实测的 0.31 倍,物理回放视觉位姿的策略则达 1.55 倍,实测触觉可弥合这一力差距。

模型4 天前

SALA:语义对齐潜在动作实现具身基础模型双轴扩展

清华大学朱军、上海交大邓志杰等提出潜在动作模型SALA,无需配对数据,通过建立人类自我中心视频与机器人动作间的语义对应,解决现有方法仅靠视频重建、表征按视觉外观聚类而难以跨本体对齐的问题。该工作从数据规模与模型规模两个维度扩展具身基础模型,训练与推理开销低于需显式预测像素的世界动作模型。