CCTest · Blog
EgoX:让不同身体的机器人共享操控经验
机器人与物理 AI
cctest.ai
机器人与物理 AI

EgoX:让不同身体的机器人共享操控经验

EgoX提出一种面向跨具身学习的机器人操控框架,通过模块化接口和“具身想象”目标,将人类、真实机器人及模拟智能体的经验组织到同一训练体系中。实验显示,跨具身预训练能显著提升目标机器人在常规及分布外任务上的表现。

阅读全文
CCTest · Blog
让机器人在“世界”里学习:RoboScript探索无需更新权重的操作技能迁移
机器人与物理 AI
cctest.ai
机器人与物理 AI

让机器人在“世界”里学习:RoboScript探索无需更新权重的操作技能迁移

RoboScript提出“世界内上下文学习”范式,让冻结的基础模型先在模拟环境中反复演练任务,再把反馈写入上下文记忆,而不是更新模型权重。在RoboTwin 2.0的50项任务中,该方法仅凭每项任务一次示范,取得83.4%的平均成功率。

阅读全文
CCTest · Blog
ODE Policy:让机器人学习动作如何变化,而不只是预测动作
机器人与物理 AI
cctest.ai
机器人与物理 AI

ODE Policy:让机器人学习动作如何变化,而不只是预测动作

ODE Policy 将机器人控制从“直接输出动作”转向学习动作变化的动力学,并通过神经常微分方程生成连续轨迹。论文称,该方法兼顾平滑性、多样性与推理效率,可用于模仿学习、VLA、世界动作模型和强化学习。

阅读全文
CCTest · Blog
NEO-VLA:让机器人从视觉计算过程中直接生成动作
机器人与物理 AI
cctest.ai
机器人与物理 AI

NEO-VLA:让机器人从视觉计算过程中直接生成动作

NEO-VLA重新审视了视觉语言动作模型的经典架构:动作策略不一定要依赖视觉编码器输出的最终特征。研究显示,让视觉表示与语言共同演化,并向动作模块开放不同深度的中间信息,有助于提升机器人操控的性能与鲁棒性。

阅读全文
CCTest · Blog
RoboTryOn:把人类视频“试穿”成机器人示范数据
机器人与物理 AI
cctest.ai
机器人与物理 AI

RoboTryOn:把人类视频“试穿”成机器人示范数据

RoboTryOn提出一种类似虚拟试衣的人机迁移方法:保留人类视频中的动作、任务和场景,只将执行者替换为目标机器人。研究显示,合成数据可在没有对应遥操作示范的情况下帮助机器人学习新任务,并显著降低数据采集成本。

阅读全文