触觉 token 对比原始信号:四种策略成功率提升 14–25 个百分点
kimmonismus · x · 2026-11-11
该系列帖的第 2 部分:同一策略喂入原始触觉信号,增益最多约为学习到的触觉 token 的一半。在 Diffusion Policy、π0.5、LingBot-VLA、T-Rex 四种策略上,学习型触觉 token 带来 14–25 个百分点的成功率提升,论文称该设置在 104 个任务-策略组合中的 89 个里表现最佳。
所属事件:蚂蚁开源触觉基础模型 LingBot-Touch(30 条相关)→
「具身」频道最新
- CoRL 现场：Gemini Robotics 人形机器人当众摆盘端点心 — ki_ki_ki1 · 2026-11-11
- SuperMimic 在 CoRL 现场开源:1 GPU 3 小时超越 128 GPU 7 天的 SOTA — kevin_zakka · 2026-11-11
- PolicyIK 用端到端 RL 取代机械臂逆运动学求解器,实机表现超四个经典控制器 — rsasaki0109 · 2026-11-11
- MIT 团队提出 FLEX 管线，让机器人用自然语言纠错迭代修正任务表征 — andreea7b · 2026-11-11
- Liquid 模型已跑进奔驰汽车,下一步手机与可穿戴 — agihouse_org · 2026-11-11
- AGI House 黑客日获奖项目揭晓：基因隐私健康体与本地记忆体上榜 — agihouse_org · 2026-11-11