AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：机器人感知×
6月16日
20:46
6月12日
12:57
6月11日
15:28
15:23
15:07
11:06
11:06arXiv cs.AI@Zhi Wei Xu, Torbjörn E. M. Nordling
该论文提出了一种端到端的时空Transformer框架，用于在光照变化条件下通过RGB摄像头远程估计心率（rPPG）。方法结合了3D人脸对齐、光照增强、残差时间标准化模块和混合时频监督，显著提升了机器人环境下的心率估计鲁棒性。在包含三种光照水平的数据集上，该方法将心率平均绝对误差降至0.79 bpm，相关系数达0.982，相比PhysFormer基线误差降低93.6%。这项工作解决了服务机器人在日常光照变化中无法可靠感知用户生理状态的关键问题。
论文rPPG心率估计机器人感知Transformer光照鲁棒
推荐理由：机器人需要感知用户心率来调整交互策略，但光照变化一直是部署的拦路虎——这个框架把误差压到了1 bpm以内，做服务机器人或辅助机器人开发的团队可以直接参考。
原文
5月30日
10:33
10:33IT之家（博客/媒体）
精选72°
英伟达联合香港理工大学、南京大学发布 LocateAnything 模型，专为机器人和 AI Agent 设计，实现高速、高精度对象检测。该模型通过并行框解码在单步内预测边界框，提供 Fast、Slow 和 Hybrid 三种模式，兼顾速度和精度。在单张 H100 GPU 上，Hybrid 模式每秒处理 12.7 个框，远超 Qwen3-VL 等模型。训练数据涵盖 12M 图像和 138M 查询，覆盖多种定位场景。该模型在 LVIS 高精度任务和 ScreenSpot-Pro 等基准上表现优异。
AI模型英伟达LocateAnything对象检测机器人感知AI Agent
推荐理由：机器人感知和 GUI 自动化开发者终于有了一个兼顾速度和精度的检测方案——LocateAnything 的并行解码设计让实时交互成为可能，做具身智能或屏幕操作 Agent 的团队值得直接试。
原文
00:23
5月29日
12:12
12:12arXiv cs.LG@Jusuk Lee, Seungjae Lee, Jonghun Shin, Hoseong Jung, Sungha Kim, Daesol Cho, H. Jin Kim, Jia-Bin Huang, Furong Huang
DynaFLIP 提出一种动力学感知的多模态预训练框架，通过构建图像-语言-3D 流三元组，将运动理解从下游策略上提到感知层。其核心创新是让三种模态在共享超球面空间中形成小单纯形体积，结合体积最小化、余弦正则化和对比学习目标，避免几何歧义和塌缩。实验表明，DynaFLIP 能聚焦于操作相关的控制区域，作为可复用的视觉骨干，在多种下游策略（包括 VLA）上持续超越基线，在分布外场景下性能提升达 22.5%。这项工作表明，训练视觉表征不仅编码静态内容，还编码动作下的世界变化，能显著提升机器人泛化能力。
论文机器人感知多模态预训练动力学感知视觉表征操作泛化
推荐理由：做机器人操作和感知的团队，DynaFLIP 把运动理解前移到预训练阶段，直接提升下游策略泛化性，分布外场景提升 22.5% 值得关注。
原文