基于强化学习的温室生菜采摘机器人路径安全目标 reaching 方法
研究提出PSA-PPO方法,用于温室水培生菜采摘,在物理实验中达到94.7%的目标到达率,比传统规划方法表现更好。该方法结合了目标条件观测、走廊感知空间约束和基于轨迹历史的安全编码,无需真实世界微调即可成功迁移到UR10e机械臂。
推荐理由:研究提出了PSA-PPO方法,解决了机器人采摘中的路径安全问题,实现了94.7%的高成功率。
技术方向
具身智能全赛道追踪:VLA 与世界模型等具身大模型、机器人本体与灵巧手等硬件本体、开源软件与仿真生态、数据与基准。
348 条精选近 30 天 346 条共收录 1,056 条
研究提出PSA-PPO方法,用于温室水培生菜采摘,在物理实验中达到94.7%的目标到达率,比传统规划方法表现更好。该方法结合了目标条件观测、走廊感知空间约束和基于轨迹历史的安全编码,无需真实世界微调即可成功迁移到UR10e机械臂。
推荐理由:研究提出了PSA-PPO方法,解决了机器人采摘中的路径安全问题,实现了94.7%的高成功率。
Mem4Act框架引入了一种固定大小的潜在记忆表示,通过多粒度时间聚合、互补语义和感知信息保留以及记忆优先的两阶段训练,解决了长期机器人操作中的记忆挑战。在RoboMME、RMBench和四个真实世界操作任务中,分别取得了49.88%、61.0%和81.5%的成功率,达到了最先进的性能。
推荐理由:Mem4Act框架解决了机器人长期操作中的记忆挑战,通过多粒度时间聚合和互补记忆监督实现了SOTA性能。
Modal 宣布达成10亿美元年化收入(ARR),完成7.5亿美元D轮融资,估值达15.75亿美元,从独角兽跃升为十角兽。公司表示过去一年使用量增长15倍,过去5个月增长3倍。Modal的沙箱产品在2023年推出,目前已成为3亿美元年化收入的产品,已创建近30亿个沙箱实例,可扩展至百万级并发。
推荐理由:Modal 从独角兽跃迁为十角兽,5个月估值增长3倍,AI基础设施商业化速度超预期。
Dyna Robotics发布了Dyna-2物理智能体机器人,该机器人基于预训练超过一百万小时人类视频的世界行动模型,已在酒店和餐厅实现实际部署,能够执行长达一小时的自主工作流程,如折叠餐巾和切菜。机器人采用半人形设计,结合轮式底盘与类人上身,通过扩散变压器架构实现连续动作预测,并能通过少量演示数据快速适应新任务。
推荐理由:从百万小时人类视频预训练到酒店餐厅实际部署,Dyna Robotics展示了物理智能体从实验室到生产环境的跨越。
Meta Superintelligence Labs发布了Muse Wonder系列模型,包括Muse Wonder和Muse Wonder Full两个版本。
推荐理由:14个月从零到前沿模型,Meta的Muse Wonder系列展现了惊人的迭代速度,但价格策略与访问限制引发行业讨论。
NVIDIA 展示开发者如何结合前沿 AI 模型与 Omniverse 库构建仿真应用,通过自然语言指令指导 AI 智能体完成从建筑模型到机器人控制的多种任务。文章展示了多个实际案例,包括仓库自动化、燃气轮机数字孪生、机器人控制测试等,使用 GPT-6 Astra 等模型与 Omniverse 的物理、渲染和传感器模拟功能。
推荐理由:NVIDIA 展示如何用前沿 AI 智能体构建复杂仿真场景,从仓库到太空站,开发者只需自然语言指令。
LeRobot 发布 v0.6.0 版本,重构依赖架构并更新GR00T模型至N1.7版本。此版本包含多项重大更新:依赖隔离安装、RL堆栈重建、新增多种基准测试集成、数据加载性能提升2倍,以及新增多种策略模型如EVO1和FastWAM。
推荐理由:LeRobot v0.6.0 重构依赖架构并更新GR00T模型,开源机器人平台正加速模块化演进。
LeRobot发布v0.4.0版本,新增Libero和Metaworld环境支持,强化多GPU训练能力,添加Nvidia Gr00t N1.5模型,优化数据集处理和机器人控制功能。
推荐理由:开源机器人平台LeRobot v0.4.0发布,新增Libero和Metaworld环境支持,强化多GPU训练能力,开源生态持续完善。