LeRobot 是一个专注于 PyTorch 平台的机器学习项目，旨在为现实世界中的机器人技术提供先进的模型、数据集和工具。通过降低技术门槛，我们希望让更多人能够轻松地参与到机器人技术的研究和开发中来。 LeRobot 目标是简化机器人技术的入门过程，让贡献和共享变得更加容易。LeRobot 提供了丰富的资源，包括： ... 阅读全文

北京通用人工智能国家重点实验室、 清华大学自动化系、北京大学人工智能研究院、加州大学洛杉矶分校和北京大学电子电气与计算机学院的研究人员推出Ag2Manip框架，机器人系统自主学习新的操作技能，特别是在没有特定领域示范的情况下。这项研究的目标是提高机器人在制造、服务自动化等行业的自主性和适应性。 例如，我们有一个机器人，... 阅读全文

来自上海人工智能实验室OpenRobotLab、上海交通大学、浙江大学和香港中文大学的研究人员发布关于四足机器人在复杂环境中稳定运动控制的研究论文。四足机器人在现实世界中的应用越来越广泛，比如在灾难救援或野外探索等场景中，它们需要在不平坦的地面上行走，同时还要能够抵抗各种外部干扰，比如强风或落石等。为了提高机器人的这种... 阅读全文

这篇论文介绍了一种新颖的方法OpenRoboExp，用于驱动仿真机器人（animatronic robots）的面部表情与人类的语音同步。想象一下，你正在与一个机器人对话，这个机器人能够根据你说的内容和说话时的情感变化，实时地展示出相应的面部表情，比如微笑、皱眉或者张嘴，这将使得人与机器人的互动更加自然和真实。总的来说... 阅读全文

这篇论文介绍了一种名为NeuFlow的新型光学流估计架构，这是一种在机器人和其他边缘设备上实时、高精度估计图像中物体运动的技术。光学流估计在计算机视觉领域扮演着重要角色，它帮助我们理解图像中物体是如何移动的，这对于机器人定位、地图构建、物体追踪和活动识别等应用至关重要。 主要功能： NeuFlow的主要功能是提供一种既... 阅读全文

Google DeepMind推出新型框架Vid2Robot，它是一个让机器人通过观看人类执行任务的视频来学习并执行相同任务的系统。简而言之，Vid2Robot能够让机器人通过观察人类的动作视频来理解任务意图，并在自己的环境中复现这些动作。 主要功能和特点： 视频条件策略学习： Vid2Robot可以直接从人类演示视频... 阅读全文

加州大学圣地亚哥分校、卡耐基梅隆大学、 麻省理工学院和 IAIFI的研究团队推出GeFF（Generalizable Feature Fields）系统，它是一种用于移动操作机器人的先进技术。想象一下，你有一个机器人助手，它可以在你的指导下，比如“去拿一瓶饮料”，然后在一个充满各种物品的房间里找到并拿起一瓶饮料。这就是... 阅读全文

来自上海启智研究院、上海交通大学、清华大学、上海人工智能实验室的研究人员推出新型视觉模仿学习方法3D Diffusion Policy (DP3)，这种方法通过结合3D视觉表示和扩散策略，使得机器人能够在模拟和现实世界任务中高效地学习复杂技能。DP3的核心设计是利用从稀疏点云中提取的紧凑3D视觉表示，这些表示通过一个高... 阅读全文

Google DeepMind推出机器人学习框架RT-H（Robot Transformer with Action Hierarchies）的机器人学习框架。RT-H的目标是通过自然语言来构建动作层级结构，以便更有效地学习和执行复杂的任务。这个框架利用了语言的表达能力，将复杂任务分解成更细粒度的动作，从而帮助机器人更... 阅读全文

斯坦福大学和谷歌的研究人员推出RT-Sketch系统，它是一个目标条件化的模仿学习（Imitation Learning, IL）策略，用于机器人操控任务。RT-Sketch的核心特点是它能够理解用户手绘的草图，并根据这些草图来执行动作。这种方法旨在解决自然语言指令可能存在的歧义性以及图像可能过于具体的问题。 项目主页... 阅读全文

加州大学伯克利分校的研究人员发布论文，该主题是关于如何训练一个由两个多指机器人手组成的系统，使其能够旋转（拧开）各种类似瓶子物体的盖子。这个研究项目使用了深度强化学习（Deep Reinforcement Learning, DRL）技术，首先在模拟环境中训练控制策略，然后将这个策略零次转移（zero-shot tra... 阅读全文

来自康奈尔大学的研究人员推出一个名为MOSAIC的系统，它是一个模块化的架构，旨在帮助家庭机器人与人类用户合作完成复杂的烹饪任务。MOSAIC通过自然语言与人类用户互动，协调多台机器人，并管理日常物品的开放词汇表。这个系统的核心是模块化，它利用了多个大规模预训练模型来处理通用任务，如语言和图像识别，同时使用简化的模块来... 阅读全文