#Robótica
Cobertura curada sobre «Robótica»: lançamentos, pesquisa, benchmarks, código aberto.
De onde vem a autoaprimoramento físico dos VLMs: uma lei de escala para agentes LLM
O estudo PhysRSI-eval mede como os modelos Vision-Language melhoram em tarefas físicas de manipulação. Os autores avaliaram diferentes VLMs em 18 tarefas com uma…
HoloBoxing ensina um humanoide a lutar boxe em 7 minutos em uma única GPU
Pesquisadores congelaram um controlador de corpo inteiro já pronto e treinaram por cima um planejador compacto de boxe: cerca de sete minutos extras de treino em…
Alibaba DAMO lança RynnUnify: modelo de 16B que planeja vídeo e controla robô
A RynnUnify, de 16 bilhões de parâmetros, une compreensão de cena, geração de vídeo e controle de robô: 51,5% de sucesso em 20 tarefas do RoboCasa365 e 46,7% em…
AnyGameRenderer veste protótipos cinzentos feitos por IA com gráficos e preserva 62,9% das unidades
WeChat abre o WeVisOne-VL: detecção, máscaras e matting em uma única VLM
Echo ensina robôs VLA a reconhecer sucesso e falha dentro das próprias ações
HiSTEVE 1.0 joga Minecraft com mouse e teclado: 85,0% no MineStudio Bench
LeWorldModel é testado quanto à sensibilidade a ações: os eixos divergem de 36° a 42°
Preprint compara a reação do LeWorldModel e do simulador a pequenas mudanças nas ações: os eixos principais de sensibilidade divergem 36° no Reacher e 42° no…
FocusVLA ensina o robô a escolher a câmera conforme a etapa da tarefa: +13,3 p.p. em testes reais
Pesquisadores chineses do ISCAS ensinaram um modelo VLA a alternar entre visão geral e câmera de pulso conforme a intenção prevista. No RoboTwin 2.0, o ganho sobre…
HiP3R monta cenas 3D a partir de milhares de quadros de vídeo sem retreinamento de modelos
Video-Point Model prevê vídeo de várias câmeras e trajetórias 3D de pontos
TARSphere testa robôs com "cérebro" MLLM em 360 episódios e 30 cenas
SplatLab escreve sozinho artigos sobre 3D Gaussian Splatting e supera baselines em até +3,78 dB
Пекинский университет ускорил загрузку видео для ИИ в 1,45 раза
A equipe do acadêmico Wen Gao lançou o codec4AI: o armazenamento de vídeo voltado para acesso aleatório gera 58,7% menos dados e 1,45× de velocidade de carregamento…
CausalAlign cura o "esquecimento" dos modelos de vídeo: erros de geometria caem 20%
Pesquisadores descobriram onde os modelos de vídeo por difusão perdem o movimento de câmera e os alinharam com um modelo 3D. Os erros geométricos do Wan2.2 caíram…