CCTest · Blog
VLA-Δ:让机器人学习“状态如何变化”,而不只是模仿动作
机器人与物理 AI
cctest.ai
机器人与物理 AI

VLA-Δ:让机器人学习“状态如何变化”,而不只是模仿动作

VLA-Δ为视觉-语言-动作模型引入了显式的物理状态转移监督,让模型关注物体、夹爪与接触关系在任务过程中的变化。该方法在推理时无需额外解码步骤,并在多个机器人操作基准和真实机器人实验中展现出竞争力。

阅读全文
CCTest · Blog
从机器人策略到智能体机器人:一套理解模型、数据与环境的框架
机器人与物理 AI
cctest.ai
机器人与物理 AI

从机器人策略到智能体机器人:一套理解模型、数据与环境的框架

一篇综述尝试梳理“智能体机器人”的研究版图:机器人不再只负责预测下一步动作,而是要理解目标、规划任务、修正错误并适应真实环境。文章将相关工作归纳为模型、数据、环境和Harness四个功能领域。

阅读全文
CCTest · Blog
从“看起来像”到“真的能动”:Artisan让3D资产接受物理检验
机器人与物理 AI
cctest.ai
机器人与物理 AI

从“看起来像”到“真的能动”:Artisan让3D资产接受物理检验

Artisan将多智能体协作与物理仿真反馈引入关节式3D资产生成,目标不再只是还原外观,而是让物体具备可运动、可交互、可用于仿真的属性。论文同时推出覆盖空间、物理、任务和整体质量的统一评测基准。

阅读全文
CCTest · Blog
SuperNav:让多模态模型负责决策,把移动交给导航工具
机器人与物理 AI
cctest.ai
机器人与物理 AI

SuperNav:让多模态模型负责决策,把移动交给导航工具

SuperNav提出一种面向通用服务机器人的智能导航方案:不再针对导航动作微调多模态大模型,而是让模型理解需求、分析场景并调用专门工具完成移动。该系统已在单目标、多目标和需求驱动任务中展现出较强的泛化能力。

阅读全文
CCTest · Blog
UniWAM:把物理推理、世界建模与机器人动作统一起来
机器人与物理 AI
cctest.ai
机器人与物理 AI

UniWAM:把物理推理、世界建模与机器人动作统一起来

UniWAM 提出一种统一的世界—动作模型,将物理推理、视觉生成和动作预测纳入同一训练框架。它通过融合人类第一视角数据、机器人数据与视觉问答数据,试图提升具身模型在复杂环境中的理解和执行能力。

阅读全文