embodied artificial intelligence | BriefGPT

关键词embodied artificial intelligence

搜索结果 - 11

MAGIC：元能力引导下的有效高效视觉语言导航链式蒸馏
这篇论文介绍了使用知识蒸馏来获得轻量级学生模型的巨大潜力，其中提出了一种元能力引导的交互式蒸馏链（MAGIC）方法，该方法可帮助将大型模型集成到机器人技术中，该方法在视听导航任务中超越了现有的先前方法，同时提出了一种新的数据集，展示了 MA
PDF9 days ago
LLMs 跨入 3D 世界：多模态大语言模型对 3D 任务的调查与元分析
大型语言模型（LLMs）与三维空间数据（3D-LLMs）的整合不断进步，为理解和与物理空间互动提供了前所未有的能力。本文综述了使 LLMs 能够处理、理解和生成 3D 数据的方法，强调了其在上下文学习、逐步推理、开放词汇能力和广泛的世界知识
PDF2 months ago
CVPRPhyScene: 用于实体智能的可供物理交互的 3D 场景合成
通过与物理互动功能的先进集成，PhyScene 可有效生成具有可互动性的物理场景，与现有的场景合成方法相比，明显优势明显，有望在促进智能体在互动环境中获得丰富技能方面发挥巨大潜力。
PDF3 months ago
视觉 - 语言模型能否以第一人称视角思考？
Vision-language models have the potential to improve first-person perspective tasks, as demonstrated by the evaluation o
PDF7 months ago
评估视觉与语言导航的解释方法
利用深度神经模型进行自然语言指令导航机器人在未知环境中是实现具体化人工智能的关键步骤。本文通过建立定量基准来评估对视觉语言导航模型进行解释的方法，并提出了一种新的基于擦除的评估流程，以测量顺序决策环境中的逐步文本解释。通过实验证实了两个代表
PDF9 months ago
InterTracker: 发现和跟踪野外中与手交互的一般对象
通过利用手物互动的时空信息，本研究提出了一种跟踪交互对象的方法，该方法采用了一种基于场景的自适应发现交互对象的空间关系，并利用对象外貌的一致性和连续性跟踪这些对象，研究结果表明该方法优于现有的方法，并能生成更连续的交互对象轨迹。
PDFa year ago
VELMA：街景视觉语言导航中 LLM 代理人的语言表达体现
该研究提出了一个用于视觉和语言导航的具有身体感知的语言模型（VELMA），它能够通过人类书写的导航指令中提取位置信息和使用 CLIP 算法来处理图像信息并实现与真实街景地图的交互，相比先前的研究，在两个数据集中，VELMA 完成任务的成功率
PDFa year ago
机器人操作网络（ROMAN）-- 混合分层学习解决复杂的序列任务
本文介绍了一种用于完成机器人操纵中的多个复杂任务和长时间范围内的自适应行为的混合层次学习框架 - 机器人操纵网络（ROMAN），它通过行为克隆、模仿学习和强化学习相结合，实现了任务的多样化和健壮性的故障恢复。
PDFa year ago
一种可重构的数据手套，用于重建物理和虚拟握持
本文提出了一种可重构的数据手套设计，在通过不同模式捕捉人类手部与物体之间的相互作用的基础上，旨在训练具有良好操作能力的实体人工智能代理。通过数据手套在触觉传感、虚拟现实和仿真三种模式下的表现，可以在物理和虚拟环境中收集和重构微观的人体抓握动
PDFa year ago
具有可操作感知的多模态神经 SLAM 学习行为
提出一种神经 SLAM 方法，利用多种模态进行探索，预测可承受意义地图并在其上进行规划，从而显著提高了探索效率，实现了鲁棒的长程规划，使得机器智能能够更有效地识别视觉和语言信息。在 ALFRED 基准测试中，相对先前发表的作品，提出的 Af
PDF2 years ago
ICCVHabitat: 一种身体化人工智能研究平台
介绍 Habitat 平台，该平台在实现高效的真实感三维模拟环境中培训虚拟机器人及相关任务如导航和嵌入式人工智能方法等方面做出了重大工程贡献。通过使用 Habitat 平台，作者在点 - 目标导航方面，通过比较学习与 SLAM 方法，发现当
PDF5 years ago