用图像生成当机器人的「视觉想象」:先合成目标图再执行
DynamicWebPaige · x · 2026-11-10
DynamicWebPaige 在会议现场推介两篇机器人研究(Spotlight S5 / Oral O1):
- PGRD:给定场景和指令(如「把绳子穿过红色卡槽」),先用 Nano Banana 合成目标图像作为可变形物体操作的视觉目标,再照图执行,论文图示覆盖穿绳、举起玩偶、转动玩具等任务的成功执行序列。
- Being-H0.5:用 16000+ 小时人类视频和 Gemini 视频理解做数据过滤与双时间尺度标注(1 秒粒度动作 + 10 秒意图摘要),服务于跨本体 VLA 训练。
「具身」频道最新
- Gemini 助力机器人分拣奔驰产线零件，成功率 96% — 141_1337 · 2026-11-10
- 蚂蚁 Robbyant 让 LingBot-Touch 无监督学会「读懂」触觉力度 — heyshrutimishra · 2026-11-10
- Ilya Sutskever 晒 Model Y L：FSD 比 HW3 老 Model 3 慢 5-10 mph — ilyasu · 2026-11-10
- SimEX:智能体在仿真中自练技能,迁移到真实机器人叠衣摆盘 — chris_j_paxton · 2026-11-10
- Amazon Ring 发布 250 美元自动巡逻家用安防无人机 — Polymarket · 2026-11-10
- NVIDIA 等团队论文:放开 VLA 梯度回传,操作任务进度翻三倍 — stepjamUK · 2026-11-10