本文介绍了 Human2Any，这是一种利用约束感知组合规划实现从人到机器人迁移的方法。来源中未提供其他详细信息或正文内容。
lab
NVIDIA Research
·
刚刚
·
research
Human2Any：通过约束感知组合规划实现人形到机器人的迁移
译自 English → 中文
相关文章
lab
NVIDIA Research
·
42 天前
·
24 次浏览
ROSA通过共享GPU池服务将工厂生产力提升高达12.06倍
研究人员提出了ROSA，这是一种面向机器人工厂的机器人基础模型推理系统，突破了单机器人、边缘计算的假设。该系统利用共享GPU池服务，使机器人群体能够通过网络访问服务器级GPU。
arxiv
arXiv cs.AI
·
65 天前
·
11 次浏览
PAC-ACT 后训练框架提升 ACT 策略在精密接触操作中的表现
本文介绍了 PAC-ACT，一种旨在增强预训练 Action Chunking Transformer (ACT) 策略以用于工业精密接触任务的强化学习后训练框架。该方法在 chunk 级别重新表述了策略优化，并利用带有混合行为先验约束的 ACT 迁移 actor-critic 架构。
arxiv
arXiv cs.AI
·
67 天前
·
18 次浏览
Track2Map：用于机器人手术的在线可变形SLAM
研究人员提出了 Track2Map，这是一种在线 3D Gaussian Splatting 流水线，直接从手术视频中联合优化相机轨迹和 3D 场景表示。即使在缺少或噪声较大的准确相机轨迹先验的情况下，该方法也能在机器人辅助微创手术中实现鲁棒的重建。
arxiv
arXiv cs.LG
·
72 天前
·
25 次浏览
LIME 从第一人称视频中学习意图感知的相机运动
作者提出了 LIME，这是一种视觉-语言模型，通过从 RGB 观测和自然语言意图中预测相对目标姿态，生成语言条件化的相机运动。
arxiv
arXiv cs.AI
·
72 天前
·
12 次浏览
WorldSample 使用闭环强化学习与世界建模来改进真实机器人训练
研究人员提出了 WorldSample，这是一个物理 grounded 的数据增强框架，通过在物理 rollout、世界模型生成和策略改进之间闭合真实-合成循环，用于真实机器人上的强化学习。该系统通过预训练的世界模型生成高保真合成转换，并采用 Policy-Paced Learning 通过样本选择来调节训练，平衡有用的增强与价值高估。