В то время как GPT-4o без пространственной информации справилась только на 28%
Роботы-манипуляторы
В отличие от обычных роботов, все двигатели перенесли к основанию конструкции
Система Botany-Bot использует 4 камеры и робота для создания 3D-моделей растений с точностью 90.8%. Может поднимать листья для фото скрытых поверхностей.
VO-DP показывает 87.9% успешности в реальных задачах против 67.5% у метода на основе облаков точек DP3 и 11.2% у классического метода DP
@ИИУченые создали систему VT-Refine для обучения роботов двуручной сборке с улучшением производительности через визуально-тактильную обратную связь и симуляцию
Роботы достигли 67% успешности захвата реальных объектов, обучаясь только на 250 простых игрушках из четырех геометрических примитивов
@ИИДиффузионная модель T(R,O) Grasp генерирует точные захваты для роботов с успешностью 94.83% и пропускной способностью 41 захват в секунду
@ИИНовый метод SF ускоряет обучение до 3.8 раз, позволяя им понимать 3D-пространство без датчиков глубины. Превосходит 2D и 3D VLA-модели
@ИИНедорогая система Glovity обеспечивает пространственную силовую обратную связь при управлении роботами. В эксперименте с переворачиванием страниц успешность повысилась с 45% до 80%
Система BLAZER автоматически обучает роботов манипулированию, достигая 47.8% успешности против 33.3% у базовой модели
