TECHNOLOGY · 技术
具身大模型
GAM:以3D几何主干替代外观依赖的机器人动作模型
西北大学、华盛顿大学、新加坡国立大学与微软联合提出GAM,以冻结的3D定位主干提取目标物体的度量3D结构,将外观与几何分离,提升机械臂操作稳定性。
AI 编撰 · 内容基于所列来源，重要信息请以原文为准
西北大学、华盛顿大学、新加坡国立大学与微软联合提出地面动作模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身(GAM,Grounded Action Models)。研究指出,传统视觉语言动作模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身缺乏精确几何信息,当物体移动或背景改变时容易失效。
GAM的做法是:用冻结的3D定位主干提取目标物体的度量3D结构,并通过双Token系统将外观与几何信息分离,再由多流Transformer融合历史状态,输出动作序列预测。
在模拟与真实机器人任务中,研究团队观察到GAM对场景随机化、视觉偏移和目标重定位均表现出泛化指 AI 面对没见过的新东西、新场景时也能举一反三做出正确反应的能力。这是「通用机器人」和「专用机器」的分水岭。◆ 小白科普 · 现身能力,机械臂像人的手臂一样伸展抓取的装置，是工业自动化里最成熟的机器人形态，也是人形机器人「胳膊」的技术前辈。◆ 小白科普 · 现身在复杂环境下的操作稳定性与精度得到改善。该工作将3D空间感知作为具身智能Embodied AI让 AI 通过机器人身体感知并作用于真实世界，不只在屏幕里回答问题。◆ 小白科普 · 现身的基础层,为机器人在物体位置变化和背景扰动下的操作提供了一条以显式几何为入口的技术路径。