10:14官方账号arXiv cs.AI@Yechan Park, HyunJin KimGS-VLA框架借助3D高斯球面合成优化冻结VLA政策抗视角能力;在LIBERO基准中,相机小位移曾使成功率从约90%跌至约10%;该方法为首个直接用3D高斯新视图适配观察空间的方案。论文GS-VLAVLALIBERO推荐理由:试试GS-VLA的方法,它能帮冻结VLA政策抗视角变化,和之前方法比更简单高效原文稍后读已读值得跟进有用关注 GS-VLA
10:20官方账号arXiv cs.AI@Fan Yang, Yuting Su, Xiaobo Wang, Yuncheng You, Fugui Fan, Yuting Wu, Minghui Wu, Chenxu Zhao, JiaHong Ning, Peiguang JingLiLa-WAM在紧凑潜在空间中推理未来场景,可在单个24GB GPU上端到端训练,避免像素空间法的高开销。其核心是联合塑造的未来状态预测与动作生成机制,并提出了语言无关的视觉转换标记(VTT)作为任务表征。在RoboTwin 2.0的50个任务中取得90.48%成功率,且同时在LIBERO和真实机器人任务上验证了有效性。AI模型LiLa-WAMRoboTwinLIBERO推荐理由:LiLa-WAM用一张24GB显卡就能训练,在RoboTwin 2.0上50个任务做到90%以上成功率,还不用语言标注任务,做机器人操控的值得看看。原文稍后读已读值得跟进有用关注 LiLa-WAM
14:38官方一手marktechpost@Asif RazzaqNVIDIA 发布了 ASPIRE 自改进机器人框架,能自动编写并优化机器人控制程序。该框架在 LIBERO-Pro 长任务上实现 31% 零样本成功率,并通过迭代修复将性能提升最多 77 点。ASPIRE 还能将已验证的修复技能蒸馏为可复用的技能库,支持零样本迁移到未见过的长时任务。AI模型NVIDIAASPIRE机器人4 个信源在谈事件专题推荐理由:NVIDIA 搞了个新框架 ASPIRE,自己写程序自己修,LIBERO-Pro 长任务零样本就 31%,还能再提 77 点,做机器人的可以看看。原文稍后读已读值得跟进有用关注 NVIDIA
09:37官方账号arXiv cs.AI@Bochen Yang, Lianlei Shan精选PearlVLA提出一种将动作规划调度到VLM潜在空间的新框架,通过将元查询表示分为视觉定位分支和迭代潜在规划分支,利用冻结的潜在世界模型生成未来观测,并经过K轮细化后并行解码动作块。在LIBERO基准上,PearlVLA达到了现有方法中的最佳性能,证明了潜在空间推理在降低延迟的同时提升规划质量的有效性。AI模型PearlVLAVLA模型具身智能推荐理由:这篇论文提出了PearlVLA,把动作规划放到了潜在空间里,比传统文本链式推理延迟更低,在LIBERO上刷了SOTA,做具身智能的可以看看。原文稍后读已读值得跟进有用关注 PearlVLA