EgoTactile: Presión de agarre en objetos cotidianos desde video egocéntrico
Descubre EgoTactile: un innovador sistema que estima la presión de agarre de la mano en objetos cotidianos usando video egocéntrico y difusión condicional,
#manipulación robótica
DemoDiffusion: Imitación Humana en un Solo Intento con Política de Difusión
DemoDiffusion: robots imitan movimientos humanos con una sola demostración usando políticas de difusión preentrenadas. ¡83.8% de eficacia!
Imitar lo que funciona: Aprendizaje modular desde videos humanos
Descubre PSI: un marco para entrenar robots en habilidades de manipulación precisas usando videos humanos y simulación, sin necesidad de datos robot. Más
Modelo Geométrico de Acción para Aprendizaje de Políticas Robóticas
El Geometric Action Model (GAM) revoluciona aprendizaje de políticas robóticas integrando modelos geométricos preentrenados para manipulación precisa y
AVA-VLA: Mejorando modelos Visión-Lenguaje-Acción con Atención Visual Activa
Descubre cómo AVA-VLA mejora los modelos Visión-Lenguaje-Acción con atención visual activa y estado recurrente, logrando rendimiento de vanguardia en robótica.
Entrenamiento y evaluación de políticas de difusión con longitudes de contexto largas
Escalar la longitud de contexto en políticas de difusión no es frágil. Nuevo benchmark y algoritmo de entrenamiento conjunto reducen complejidad muestral.
ATOM-Bench: benchmark para habilidades atómicas y generalización composicional
Descubre ATOM-Bench: benchmark para evaluar habilidades atómicas y generalización composicional en robótica. Conoce los resultados clave.
PATCH: Monitoreo de Parches Latentes Condicionado por Acción para Robótica
PATCH monitorea parches latentes en manipulación robótica para detectar anomalías y activar intervenciones en tiempo real.
Dirección de políticas en tiempo de inferencia con visión y tacto
ViTaL: nuevo marco de guiado con visión y tacto mejora un 51% el éxito en manipulación robótica. Optimización bi-nivel para tareas de contacto.
MimicIK: Cinemática Inversa Generativa en Tiempo Real con Consistencia de FK
MimicIK revoluciona la cinemática inversa con IA generativa: precisión milimétrica, suavidad de movimiento y control en tiempo real a 20 Hz. Descubre cómo.
CT-VAM: Modelo Inspirado en Cerebelo-Tálamo para Control Visuomotor Eficiente
El modelo CT-VAM, inspirado en el cerebelo y tálamo, logra control visuomotor eficiente en robótica con solo 68M parámetros. ¡Conoce su arquitectura!
AHA-WAM: Modelado Asíncrono de Mundo-Acción con Enrutamiento de Contexto
AHA-WAM: el modelo asíncrono de mundo-acción que alcanza un 92.8% de éxito en robótica sin preentrenamiento. ¡Control en tiempo real a 24 Hz!
Simulación paralela y MPC robusto para manipulación deformable certificada
Descubre CORD-SLS: control en tiempo real para manipular cuerdas y telas. Simulación GPU y MPC robusto garantizan planificación en milisegundos.
PhysVLA: VLA con fundamentos físicos para manipulación robótica
Descubre PhysVLA, un framework que aplica principios físicos a modelos VLA sin reentrenamiento, mejorando el éxito de manipulación robótica hasta un 50%.
PhysVLA: Hacia una VLA físicamente fundamentada para manipulación robótica
PhysVLA: plug-and-play para robots VLA. Sin reentrenar, mejora éxito 17% y estabilidad 19%. ¡Conoce cómo!
Modelo basado en atención para predicción robusta con modalidades faltantes
Descubre un modelo basado en atención que maneja datos multimodales incompletos para predicciones robustas en robótica. ¡Supera la falta de sensores!
Modelo de atención para predicción robusta con datos incompletos
Descubre un modelo de atención que aprende con datos incompletos en robótica. Mejora la predicción de trayectorias y manipulación con sensores faltantes.
Exoesqueleto Universal: Políticas de Cuerpo Completo con Retroalimentación de Par
Descubre el UME: exoesqueleto con retroalimentación de par para políticas de cuerpo completo adaptables en tiempo real. Ideal para espacios reducidos.
EA-WM: Modelos del mundo conscientes de eventos para manipulación a largo plazo
EA-WM verifica eventos en modelos de mundo para manipulación robótica a largo plazo. Mejora planificación y control con predicciones interpretables.
MiDiGap: aprendizaje robótico eficaz con procesos gaussianos
Descubre MiDiGap, un método de aprendizaje robótico que aprende políticas complejas con solo 5 demostraciones en menos de un minuto. ¡Resultados líderes en manipulación!