Biến động nhân sự
Chưa có biến động nhân sự.
Bài báo
Bài báo2026-10-06 · arXiv (Cornell University)
QF3: Fast Flow RL with Filtered Q-Gradients
- Nội dung
- Các nhà nghiên cứu đã phát triển QF3, một thuật toán học tăng cường mới giúp học các mẫu hành vi của robot một cách hiệu quả.
- Kết quả chính
- Đã chứng minh rằng nó có thể học các chính sách di chuyển và theo dõi chuyển động của robot hình người nhanh hơn khoảng 10 lần so với các phương pháp hiện có.
- Ý nghĩa
- Nó cho thấy tiềm năng học tập và cải thiện công nghệ điều khiển hành vi của robot nhanh hơn và hiệu quả hơn.Tóm tắt AI
Bài báo2026-10-06 · arXiv (Cornell University)
Workhorse: Learning Robust Whole-Body Humanoid Loco-Manipulation from Human Data
- Nội dung
- Đã phát triển công nghệ cho phép robot hình người thao tác đồ vật và di chuyển bằng cách tận dụng các video mô phỏng của con người thông qua bộ lập kế hoạch trực quan và bộ theo dõi học tăng cường.
- Kết quả chính
- Thực hiện thành công các thao tác toàn thân phức tạp như khiêng hộp, cầm hộp và bước qua va-li trên robot thực tế Unitree G1.
- Ý nghĩa
- Cho thấy robot có thể nâng cao khả năng xử lý đồ vật trong khi vẫn giữ được thăng bằng trong các môi trường phức tạp dựa trên dữ liệu hành vi của con người.Tóm tắt AI
Bài báo2026-10-02 · arXiv (Cornell University)
GOTT: Object-centric Dexterous Manipulation with a Reusable Cross-Embodiment Primitive
- Nội dung
- Để giúp bàn tay robot có nhiều ngón giống như tay người có thể cầm nắm vật thể ổn định và di chuyển theo hướng mong muốn, các tác giả đã đề xuất GOTT, một công nghệ tiếp xúc có thể sử dụng chung cho các loại robot và hình dạng bàn tay khác nhau.
- Kết quả chính
- Trong các thí nghiệm mô phỏng và trên robot thực tế, GOTT đã tạo ra các điểm tiếp xúc ổn định trên nhiều vật thể, nền tảng tay-cánh tay và các hình dạng bàn tay chưa từng thấy trong quá trình học, đồng thời cải thiện liên tục tỷ lệ thành công của tác vụ so với các phương pháp cầm nắm được lập trình sẵn.
- Ý nghĩa
- Nghiên cứu này cho thấy tiềm năng tái sử dụng cùng một công nghệ ngay cả khi loại bàn tay robot thay đổi nhờ sử dụng một thành phần chuyển động chung không phụ thuộc vào một robot cụ thể. Tuy nhiên, rất khó để đánh giá mức độ thương mại hóa hoặc tác động công nghiệp thực tế chỉ từ phần tóm tắt.Tóm tắt AI
Bài báo2026-10-01 · arXiv (Cornell University)
Reconstruct, Practice, Go Real: Guided Self-Improvement for Embodied Agents
- Nội dung
- Đề xuất một khung RPG giúp cải thiện hệ thống tác vụ của robot một cách tự động mà không cần sự can thiệp bổ sung của con người.
- Kết quả chính
- Trong các bài kiểm tra điều kiện ban đầu mới trên 22 tác vụ thao tác, tỷ lệ thành công đã tăng từ 28,6% sau lần luyện tập đầu tiên lên 95,0% sau 15 vòng, và cả 30 lượt thử nghiệm trên robot thực tế đều thành công.
- Ý nghĩa
- Nghiên cứu này cho thấy tiềm năng cải thiện phần mềm điều khiển robot với ít nỗ lực của con người hơn, mặc dù mức độ ứng dụng thực tế trong công nghiệp hoặc thương mại hóa rất khó đánh giá chỉ dựa vào phần tóm tắt.Tóm tắt AI
Bài báo2026-09-30 · arXiv (Cornell University)
Tactile Curiosity Drives Robot Interaction
- Nội dung
- Nhóm nghiên cứu đã đề xuất TacEx, một framework khám phá cho phép robot nuôi dưỡng sự tò mò về xúc giác (cảm giác tiếp xúc với vật thể) và tự học cách chạm và cầm nắm đồ vật.
- Kết quả chính
- Theo bản tóm tắt, TacEx thu thập dữ liệu tương tác có nhiều tiếp xúc mà không cần phần thưởng nhiệm vụ hay sự hướng dẫn của chuyên gia, sử dụng dữ liệu này để học các chính sách gắp và đặt mà không cần thêm các tương tác môi trường, đồng thời nâng cao hiệu suất huấn luyện hậu kỳ của các mô hình thị giác-ngôn ngữ-hành động.
- Ý nghĩa
- Quá trình học tập của robot trước đây tốn nhiều thời gian di chuyển ngẫu nhiên trong không gian, cho thấy việc khám phá tập trung vào tiếp xúc có thể cải thiện hiệu quả học tập. Tuy nhiên, rất khó để đánh giá mức độ ứng dụng thực tế hoặc khả năng thương mại hóa chỉ dựa vào bản tóm tắt.Tóm tắt AI
Bài báo2026-09-29 · arXiv (Cornell University)
Counterfactual Video Generation Enables Scalable Humanoid Loco-Manipulation
- Nội dung
- Đề xuất một phương pháp (PRISM) trong đó AI tạo ra nhiều video ảo dựa trên một vài video thực tế về con người mang đồ vật, và sử dụng chúng để huấn luyện robot.
- Kết quả chính
- Báo cáo cho thấy một chính sách điều khiển duy nhất được huấn luyện theo cách này đã giúp một robot hình người thực tế thành công trong việc nhặt, vận chuyển và đặt các hộp, thùng phuy, thùng chứa và quả bóng xuống mà không cần học thêm trong thế giới thực.
- Ý nghĩa
- Có ý nghĩa ở chỗ nó cho thấy tiềm năng gia tăng dữ liệu huấn luyện bằng cách sử dụng ít video thực tế trong các tình huống khó thu thập lượng lớn dữ liệu mô phỏng từ robot thực tế.Tóm tắt AI
Bài báo2026-09-28 · The International Journal of Robotics Research
World model for robot learning: A comprehensive survey
- Nội dung
- Đây là một bài báo tổng quan (khảo sát) tổ chức một cách có hệ thống 'mô hình thế giới' - những mô hình dự đoán môi trường sẽ thay đổi như thế nào theo hành động - từ góc độ học tập của robot.
- Kết quả chính
- Theo phần tóm tắt, bài báo phác thảo cách các mô hình thế giới được sử dụng trong chính sách của robot, trình mô phỏng, đánh giá và tạo dữ liệu, đồng thời tóm tắt xu hướng phát triển của các mô hình thế giới dựa trên video của robot, cùng với các tập dữ liệu, điểm chuẩn và phương pháp đánh giá tiêu biểu.
- Ý nghĩa
- Đây là tài liệu giúp gắn kết các phương pháp nghiên cứu học tập robot đang bị phân tán vào một khung chung, giúp nắm bắt xu hướng nghiên cứu liên quan. Tuy nhiên, phần tóm tắt không chứng minh hiệu năng hay thành tựu thương mại của từng công nghệ riêng lẻ.Tóm tắt AI
