轨迹

共 81 篇相关内容

SharpaDex v1.0 正式开源:发布约 300 小时真实触觉操作数据,覆盖 59 种任务

SharpaDex v1.0 正式开源:发布约 300 小时真实触觉操作数据,覆盖 59 种任务

10 月 22 日,Sharpa 正式开源灵巧操作数据集 SharpaDex v1.0。该数据集包含约 300 小时真实机器人操作数据、28,993 条示教和 32,396,172 帧数据 ,覆盖 59 种操作任务。根据 Sharpa 官方…

机器人训练数据公司 Maxinsights 完成 3,000 万美元种子轮融资,Peak XV 领投

机器人训练数据公司 Maxinsights 完成 3,000 万美元种子轮融资,Peak XV 领投

美东时间 10 月 22 日,总部位于美国加州圣克拉拉的机器人训练数据公司 Maxinsights 宣布完成 3,000 万美元种子轮融资,由 Peak XV 领投,Tola Capital、South Park Commons、渶策资本和…

具身智能前沿取得重大突破!SuperMimic 或为机器本体扫清算力障碍

具身智能前沿取得重大突破!SuperMimic 或为机器本体扫清算力障碍

10 月 21 日,加州大学伯克利分校(UC Berkeley)团队公开论文《SuperMimic: Scaling Humanoid Whole Body Control with One Differentiable World Mod…

智元开源 AGIBOT WORLD 2026 具身推理数据集,覆盖九类推理场景 1:52

智元开源 AGIBOT WORLD 2026 具身推理数据集,覆盖九类推理场景

10 月 22 日,智元开源 AGIBOT WORLD 2026 第四期「具身推理」数据集,作为 AI WAVE 系列的首项发布。本期数据覆盖九类逻辑推理场景,同时提供高层问答与底层动作轨迹,支持机器人根据任务目标、现场条件和执行历史进行决…

UC Berkeley 团队提出 SuperMimic,单卡训练 3 小时超越 128 卡基线

UC Berkeley 团队提出 SuperMimic,单卡训练 3 小时超越 128 卡基线

UC Berkeley 团队提出 SuperMimic,单卡训练 3 小时超越 128 卡基线 人形机器人想要掌握行走、跳跃乃至空翻,背后需要多大的训练算力? 过去的常规做法,是让机器人在模拟器内不断试错,依靠强化学习优化动作控制策略。动作…

特斯拉三季报确认人形机器人投产,Optimus 进入早期爬坡

特斯拉三季报确认人形机器人投产,Optimus 进入早期爬坡

特斯拉三季报确认人形机器人投产,Optimus 进入早期爬坡 特斯拉在这次三季报里给出了一个明确的机器人进展:Optimus 已经在弗里蒙特开始生产,加州项目进入早期爬坡。 美国当地时间 10 月 21 日,特斯拉发布 2026 年第三季度…

仉尚航等提出 HAF-VLA,让人形机器人分层生成协调的全身动作

仉尚航等提出 HAF-VLA,让人形机器人分层生成协调的全身动作

仉尚航等提出 HAF VLA,让人形机器人分层生成协调的全身动作 人形机器人要学会自主走向目标、俯身、再伸手抓取,卡点在于全身动作的协同生成。腿、腰、头部与双臂串联在同一条运动学链上:底盘偏移几厘米、腰部角度差几度,手臂就得伸得更远代偿。持…

自然意志物理基模 Natura-1 首次亮相:技术、启发与幕后故事

自然意志物理基模 Natura-1 首次亮相:技术、启发与幕后故事

10 月 13 日,由清华大学电子工程系助理教授、博士生导师丁宁创办的自然意志(Nature Will)发布了成立以来首个通用具身基础模型 Natura 1 及技术报告,引起了业内广泛关注。 这是一个拥有 500 亿参数的混合专家(MoE)…

机器人都能跑马拉松了,为什么走到前台还这么难?

机器人都能跑马拉松了,为什么走到前台还这么难?

机器人越来越会动了。四足机器人爬楼梯、翻越障碍早已不新鲜。今年北京亦庄的人形机器人半程马拉松上,甚至有近四成参赛队伍采用自主导航方式。 但如果终点不是赛道上的冲线,而是某栋写字楼的前台呢? 在 Vbot(维他动力)展示的一段导航演示中,机器…

清华系创业公司新作:机器人看了 100 万小时人类操作,学会自己想办法

清华系创业公司新作:机器人看了 100 万小时人类操作,学会自己想办法

螺丝、包装袋、瓶盖,这些日常物件全都是为人手设计,但机器人的末端执行器大多还停留在两指夹爪。想要打造能在真实世界落地的通用机器人,灵巧手操作是绕不开的一关,而真正的瓶颈在于操作经验。通用模型需要见过足够丰富、大规模的真实操作样本,可机器人只…

Jim Fan、韩松团队提出 Robota-Embed:机器人检索经验,动作比画面更关键

Jim Fan、韩松团队提出 Robota-Embed:机器人检索经验,动作比画面更关键

具身智能机器人想要复用过往操作经验,普遍会检索历史示范视频,模仿曾经成功的操作。 但传统检索大多只比对画面外观:只要桌子、物体看起来一致,就判定是匹配片段,忽略机械手当下的运动方向。同样的纸箱、同一段胶带,封箱和撕胶带两张画面几乎看不出差别…

英伟达 Jim Fan 团队新作:只拉长历史解决不了 WAM 短板,核心需靠自回归预测

英伟达 Jim Fan 团队新作:只拉长历史解决不了 WAM 短板,核心需靠自回归预测

Long WAM 发现「能拿到历史」不等于「会用历史」:只有视频底座先以自回归方式学会从过去推未来,拉长上下文才能真正实现性能上涨。基于这一结论,团队将这套世界动作模型打造为可在边缘设备实时运行的系统。上下文时长从 0 秒拓展至 19.2 …