/
MIT 关键字列表
2026-07-14
AI智能体构建虚拟训练场，为机器人提供关键训练数据
麻省理工学院CSAIL与丰田研究院联合开发的"SceneSmith"系统，利用三个AI智能体协作生成逼真的3D室内虚拟场景，用于机器人训练数据采集。该系统通过"设计者""评审者""协调者"三个基于视觉语言模型的智能体分工协作，生成的场景物体密度比现有方法高出六倍，支持餐厅、卧室、酒店等多种环境。超过200名用户测试显示，90%以上的情况下SceneSmith的视觉效果更为逼真，可有效减少机器人现实世界测试的成本与时间。
微型机器人小船自主组合，打造水上可编程浮动结构
麻省理工学院研究团队开发了名为"FloatForm"的系统，由多艘21厘米见方的方形机器人小艇组成，能在水面自主集结成桥梁、平台等大型结构，并可按需拆解重组。每艘机器人配备推进器、传感器和磁性锁扣，采用受火蚂蚁群体行为启发的分布式协作算法，无需中央计算机全程指挥。实验中，8艘机器人完成任务的成功率达70%，模拟显示该系统可扩展至64艘规模，未来有望用于应急响应、浮动市场及海洋环境监测等场景。
MIT开发时空记忆框架，让机器人记住"钥匙放哪了"
MIT研究人员开发了一种名为DAAAM的长期时空记忆框架，使机器人能在大规模环境中快速构建并调用详细的空间记忆。该系统将先进3D地图与丰富的自然语言描述相结合，机器人可实时为环境中的物体添加描述标注，并通过LLM工具链高效响应复杂查询。测试显示，DAAAM比现有方法准确率提升21%至53%，未来可应用于工厂机器人协作、增强现实辅助维护等场景。
IBM和MIT在视频识别模型训练方面取得最新突破
IBM已经与麻省理工学院的研究人员合作开发了一种新方法，可以更有效地训练“视频识别”深度学习模型。
白皮书
京公网安备 11010802021500号
