机器人装了相机却看不懂相机:G3VLA给VLA模型补上一堂几何课
本文介绍G3VLA,一种给机器人视觉语言动作模型注入相机几何先验的轻量模块,利用相机内外参构建射线嵌入与跨视角融合机制,在LIBERO、RoboCasa24、RoboTwin2.0等基准及真实机器人上均提升操作成功率,并...
本文介绍G3VLA,一种给机器人视觉语言动作模型注入相机几何先验的轻量模块,利用相机内外参构建射线嵌入与跨视角融合机制,在LIBERO、RoboCasa24、RoboTwin2.0等基准及真实机器人上均提升操作成功率,并...
本文解读ATAS框架,它为AI多镜头视频生成系统配备场景记忆与事件记忆两套机制,让AI在非连续镜头间保持空间和时间一致性,并通过验证机制筛选可信观察,在四种生成模型上均取得领先的一致性与人类评分表现。
DHL Supply Chain正将自适应AI机器人与AI编排软件引入实际仓库运营,已在全球部署逾9000台机器人,完成超15亿次机器人拣选。公司将数字AI与物理AI协同配合,结合人工操作,推进下一代仓储自动化战略。
Google DeepMind推出Gemini Robotics 2.5视觉-语言-动作模型,经逾200项任务测试,成功率较前代提升30%至100%,操作速度提升20%至30%。Apptronik Apollo 2人形机...
本文解读LatentLoop,一种给循环混合专家模型两次重复计算分配不同算力的新架构。通过残差系数实验发现第一次计算可"偷懒",进而压缩序列并扩大模型宽度,15组实验均超越基线,兼顾效率与性能提升。
本论文针对多教师在线策略蒸馏中领域路由监督导致的梯度冲突问题,提出跨教师守护方法ROAD MOPD,引入非路由教师作为辅助评审,通过跨教师信用分配与预防性梯度投影协调多领域更新。实验表明该方法在高冲突场景下显著缓解劣势领...
该论文提出HumanoidToolBench基准,含18项任务、55种工具和3.1千条人类演示数据,评测人形机器人从选工具到移动中完成任务的全流程能力,揭示了现有模型选择与执行脱节、难以应对陌生工具和移动场景的问题。
本文解读了GroundGUI研究:团队构建了覆盖桌面、网页、移动端的58.6万张截图高质量数据集ScreenRef,并提出蒸馏到强化学习的两阶段训练法D2RL,训练出的8B模型在GUI视觉定位任务上超越多个32B大模型。
论文提出RAR框架,通过Stride-RoPE和多步长训练,让交互式世界模型摆脱固定帧率束缚,实现时间速率自适应调节、在线切换和物理视野扩展,在Doom、CS2、FPV等场景验证了生成质量与速率保真度,并展示了对预训练模...
机器人学会单项技能不等于学会组合任务。上海交大团队提出ROBOCOMBINE基准与HSE诊断框架,发现"起始状态差距"是组合失败的根源,并用PRTI方法将有序成功率从2.63%提升至18.16%,无需组合任务示范数据。
AMD在拉斯维加斯举办AMD In Depth技术活动,全面揭开了全新一代CPU微架构Zen 6/Zen 6c,以及搭载该架构的第六代EPYC服务器处理器(代号Venice)。
该研究对十种自我蒸馏方法与GRPO基线在四个智能体任务、三种模型规模下进行统一评测,发现多数方法并未稳定超越基线,终点好成绩可能掩盖训练过程的严重不稳定,额外计算投入也未必带来性能提升。
论文发现AI训练中老师模型会被学生的错误带偏,续写准确率从82%暴跌到29%,但纠错能力完好。研究者提出CriticOPD,让老师只做批注指错,学生自己重写,数学竞赛题测试提升显著,训练成本更低。
论文发现机器人世界动作模型中存在持续的高数值空间异常,其功能影响超越数值本身。研究者提出RegisterWAM,用可学习寄存器搭配观察流匹配损失监督,重组表征并提升动作生成能力,在LIBERO-Plus、RoboTwin...
亚马逊面向AI数据中心规划的5GW核电,第一张关键施工许可落在陶氏化学得州Seadrift化工厂。首堆风险如何分摊,决定了后续规模化部署的节奏。
AMD在拉斯维加斯举办AMD In Depth技术活动,全面揭开了全新一代CPU微架构Zen 6/Zen 6c,以及搭载该架构的第六代EPYC服务器处理器(代号Venice)。
联想在电脑、手机等终端提供天禧个人智能体,以万全异构智算平台支撑模型训练与推理,并为企业提供智能体开发、部署和运营服务。2026/27财年第一季度,AI相关收入占集团收入35%。