10小时数据+一段人手视频=?SkeLAM的零样本跨形态迁移
10小时数据+一段人手视频=?SkeLAM的零样本跨形态迁移基于预训练的 Cosmos-Predict2.5-2B,SkeLAM 使用总计约 10 小时的机器人交互数据进行训练。在人手到机器人的迁移实验中,输入换成人类演示,生成视频中的机械臂仍然呈现出与演示对应的运动方向。迁移时模型参数全部冻结,没有针对这些演示额外微调。
搜索
基于预训练的 Cosmos-Predict2.5-2B,SkeLAM 使用总计约 10 小时的机器人交互数据进行训练。在人手到机器人的迁移实验中,输入换成人类演示,生成视频中的机械臂仍然呈现出与演示对应的运动方向。迁移时模型参数全部冻结,没有针对这些演示额外微调。
LLM智能体如何在部署过程中,通过自身执行持续进化?
语义搜索能够帮用户找到最相关的内容,但有时候,相关性高,并不代表结果就应该被优先展示。
机器人动手前,能不能先看一看不同选择会带来什么后果?ParallelWorld 将多步预演引入具身智能体的高层规划,将任务成功率从 56% 提升至 83%。
训练大模型,能不能不用反向传播?
多轮对话、多智能体交互过程,大模型生存性威胁会被放大。
JEPA 能不能真正理解观测背后的生成机制?
这篇文章彻底颠覆了人工智能领域的认知,引发了广泛的猜测,Sam Altman 还公开表达了赞赏。
在电子产品装配线上,将连接器插到主板上,看似简单,却要求在有限的生产节拍内准确、稳定地完成。面对零点几毫米的接口间隙,细微偏差就可能让连接器卡住,造成装配失败或零件损伤。
当任务的终点是决策,模型是否应该从决策本身出发?