Робот научился использовать любые предметы как инструменты — ложкой переливать, веткой подметать. Успешность выросла на 30-60% по сравнению с другими системами
Роботы
Ученые создали виртуальный полигон для роботов, который переводит реальные видео в симуляцию и тестирует более 7000 вариантов поведения
Исследователи создали метод TARC, позволяющий роботам автономно адаптировать частоту управления под текущую ситуацию. Тестирование на RC-автомобиле и четвероногом роботе показало значительное снижение частоты управления при сохранении производительности
Исследователи обучили робота ловким манипуляциям, анализируя 26 миллионов кадров обычных человеческих видео
GSWorld объединяет 3D Gaussian Splatting с физическими движками для создания замкнутого цикла обучения роботизированных политик
Новый алгоритм C3+ ускорил решение контактных задач в 4-5 раз, позволив роботу манипулировать четырьмя объектами одновременно
Новый метод LaViRA разбивает навигацию роботов на Language-Vision-Robot этапы без предварительного обучения. Точность 38.3% на VLN-CE превзошла конкурентов на 7.3%. Тестирование на реальных роботах подтвердило практичность
Новая система сочетает vision-language модели и reinforcement learning для автономной прокладки кабелей. 92.5% общий успех в длительных сценариях прокладки, превосходя лучший базовый метод почти на 50%
Новая архитектура заменяет предсказание пикселей на ответы о семантике будущего, показав рост эффективности с 14.4% до 81.6%
RISE позволяет роботам обучаться на неидеальных данных, используя бинарные награды и липшицеву непрерывность для восстановления до экспертных состояний
MADR — новый фреймворк для обучения роботов безопасному поведению в условиях противодействия, достигший 98.9% успешности избежания препятствий. Испытан на дронах и наземных роботах
Исследователи из Гарвардского университета представили MoTVLA — модель с 14B параметров, которая переключается между быстрым и медленным рассуждением. Архитектура показала высокую эффективность в сложных задачах
Автономная система на базе машинного обучения и капиллярного захвата сортирует субмиллиметровые объекты с точностью позиционирования 157 ± 84 микрон. Успешность операций захвата и размещения составляет 90.4%
Имплантируемый роботизированный мочевой пузырь IBRoB* объемом 400 мл с мониторингом обеспечивает 96% опорожнения за 200 секунд. Автономность 9 дней, точность определения объема 2.8%
