BIND 动作头绑定 2D 图像特征,机器人策略更省数据更抗视角变化
yuewang314 · x · 2026-10-03
研究者提出机器人学习中的一个悖论:图像编码器的特征空间上很聪明——嵌入语义、几何信息且多视角一致;但构建在其上的机器人策略却「空间上很笨」——学会简单的抓取放置需要数百条演示,相机稍微一动就失效。
为弥合这一差距,团队提出 BIND,一种新的动作头(action head):将每个候选机器人动作绑定到其在 2D 图像上的投影特征,相当于告诉网络「选择这个动作会把末端执行器(EEF)移动到图像的这个位置」。
效果:策略数据效率大幅提升,对分布外(OOD)视角和物体位置更鲁棒;仅用 RGB 输入、无需 3D 传感器,即可输出密集的 EEF 轨迹。
「具身」频道最新
- 移除人类视频后机器人OOD成功率从60%暴跌至7%,泛化全靠人类视频 — gui_penedo · 2026-11-19
- 假肢公司 PSYONIC 的机械手被 90+ 机器人机构采用 — DhowCIO · 2026-11-19
- 仿真器误设导致过度自信:SPEED+ 基准上的sim2real方向性稳健性研究 — Nikolay Dolgov · 2026-11-19
- Doppel 世界模型:先渲染机器人身体,一个模型通吃 8 种具身 — mangahomanga · 2026-11-19
- FloMo 世界动作模型:预测 3D 运动比预测视频更能驱动机器人 — CSProfKGD · 2026-11-19
- MIT 微型飞行机器人首次自带传感器与计算,可精准降落向日葵 — MIT News AI · 2026-11-19