Biến động nhân sự
Chưa có biến động nhân sự.
Bài báo
Bài báo2026-10-07 · arXiv (Cornell University)
Cross-Embodiment Robot Foundation World Models with Latent Actions
- Nội dung
- Đã phát triển một mô hình thế giới robot tận dụng không gian hành động ẩn tích hợp có thể được chia sẻ bởi nhiều loại robot khác nhau.
- Kết quả chính
- Khi áp dụng cho các robot mới, mô hình cho thấy hiệu suất cải thiện tới 46.7% trong các tác vụ thao tác tinh vi và cải thiện 11.7% trong đánh giá hiệu năng LIBERO so với các phương pháp thông thường.
- Ý nghĩa
- Cho phép học tập hiệu quả giữa các robot khác nhau, góp phần giải quyết các thách thức lớn trong lĩnh vực robot.Tóm tắt AI
Bài báo2026-10-07 · arXiv (Cornell University)
RoboRender: Robot-Oriented Video Generation for Visual Sim-to-Real Transfer
- Nội dung
- Đã phát triển công nghệ nâng cao năng lực điều khiển robot bằng cách chuyển đổi dữ liệu robot từ môi trường ảo thành video giống như thế giới thực.
- Kết quả chính
- Robot được huấn luyện bằng công nghệ này đạt tỷ lệ thành công trung bình 71 phần trăm trong môi trường thực tế, thể hiện hiệu suất vượt trội so với các phương pháp hiện có.
- Ý nghĩa
- Điều này có thể giúp giảm7 bớt vấn đề trực quan khi dữ liệu được tạo ra trong môi trường ảo khó áp dụng trực tiếp lên robot thực tế.Tóm tắt AI
Bài báo2026-10-06 · arXiv (Cornell University)
OpenWAM: An Open Framework for Composable World-Action Models
- Nội dung
- Phát triển OpenWAM, một khung mã nguồn mở để so sánh và nghiên cứu các mô hình thế giới-hành động xử lý đồng thời việc điều khiển robot và dự đoán video tương lai.
- Kết quả chính
- Phương pháp được đề xuất đã nâng cao đáng kể tỷ lệ thành công trong các tác vụ thao tác của robot và cải thiện hiệu suất của mô hình động lực học thông qua việc học dữ liệu phản thực tế.
- Ý nghĩa
- Cung cấp một nền tảng chung để so sánh các phương pháp điều khiển robot và dự đoán video khác nhau, từ đó nâng cao hiệu quả nghiên cứu công nghệ liên quan.Tóm tắt AI
Bài báo2026-09-29 · arXiv (Cornell University)
T$^2$Mem: Learning Test-Time Memory for Robotics
- Nội dung
- Doi voi cac tac vu thao tac cua robot doi hoi phai ghi nho thong tin quan sat trong qua khu, chung toi de xuat mot khung (T2Mem) bo sung nang luong bo nho thong qua huan luyen tai thoi diem kiem tra cho cac chinh sach robot da duoc huan luyen truoc do von thieu chuc nang bo nho.
- Kết quả chính
- Ty le thanh cong trung binh tren 16 tac vu RoboMME da tang tu 17.93% doi voi chinh sach co so khong co bo nho len 56.83%, cao hon cac phuong phap bo nho hoi quy duoc bao cao trong chuan danh gia.
- Ý nghĩa
- Dieu nay co y nghia o cho no cho thay kha nang cua robot trong viec su dung thong tin trong qua khu khong con nhin thay tren man hinh co the duoc phat trien chi bang cach su dung du lieu trinh dien ma khong can thiet bi bo nho ngoai, mac du ban tom tat chi de cap den cac ket qua o giai doan nghien cuu, do do khong the xac nhan kha nang thuong mai hoa hoac anh huong thi truong.Tóm tắt AI
Bài báo2026-09-28 · arXiv (Cornell University)
DexAgent: An Agentic Human2Sim2Robot Framework for Dexterous Manipulation with Self-Evolving Tool Library
- Nội dung
- Chúng tôi đề xuất một framework dạng tác nhân nhận một video góc nhìn thứ nhất của con người và một mô tả tác vụ để tạo ra các quỹ đạo chuyển động robot khả thi về mặt vật lý, từ đó tạo ra dữ liệu phục vụ việc học cho robot.
- Kết quả chính
- Các chính sách được huấn luyện bằng dữ liệu do DexAgent tạo ra trên 11 tác vụ trong môi trường thực tế cho thấy tỷ lệ thành công cao hơn 3.5 lần so với các phương pháp chuẩn đối chứng.
- Ý nghĩa
- Nó cho thấy tiềm năng tự động hóa quá trình chuyển đổi video mô phỏng của con người thành dữ liệu học tập cho robot, mặc dù khó có thể đánh giá mức độ ứng dụng công nghiệp hoặc thời điểm thương mại hóa chỉ dựa vào phần tóm tắt.Tóm tắt AI
