ECCV 论文:预训练 ViT 每 patch 一个标量即可驱动真实世界导航
chriswolfvision · x · 2026-09-12
Christian Wolf 团队在 ECCV 展示一项真实机器人导航研究:从异构多教师蒸馏的预训练视觉编码器中,每个 patch 仅提取一个标量特征,即可支撑真实建筑中的高速移动导航。
方法要点:
- 视觉编码器由异构教师蒸馏,获得互补技能
- 用注意力投影做空间瓶颈,涌现出与 affordance 相关的可解释特征
- 策略先用带特权信息的 Lidar 输入预训练,再去掉 Lidar 只用 RGB
这是一项 24 公里、966 个真实导航 episode 的大规模评测(见后续帖子)。
所属事件:ECCV 研究:每 patch 一个标量即可驱动机器人真实导航(2 条相关)→
「具身」频道最新
- NVIDIA MotionBricks 登上 Hugging Face 趋势榜,面向机器人运动生成 — nvidia · 2026-10-31
- Agility Robotics 拟融资 4.65 亿美元，11 月 5 日以 AGLT 登陆纳斯达克 — xmercury_one · 2026-10-31
- 爆料:特斯拉人形机器人 Optimus 12 月初开放预订 — Scobleizer · 2026-10-31
- 机器人操作新基准 MolmoSpaces-CommonSense:所有策略无一超过 30% — RanjayKrishna · 2026-10-31
- Neuralink 首次公开展示新一代 R1 脑植入手术机器人 — elonmusk · 2026-10-31
- Google 展示半自主巡游机器人 Sprout,会找阳光照料办公室植物 — AI_Andrew · 2026-10-31