COMPANY PROFILE
UC BerkeleyUC Berkeley
UC Berkeley与斯坦福联合提出FARM框架，让机器人实时构建开放词汇三维空间记忆，理解自然语言中的空间关系以精准定位目标。
UC Berkeley与斯坦福联合提出FARM框架，让机器人实时构建开放词汇三维空间记忆，理解自然语言中的空间关系以精准定位目标。FTP-1通过统一触觉表示和独立专家模块，在已见和未见传感器上均显著提升操作成功率，推动触觉领域进入基础模型时代。
代表产品
- FARM
- FTP-1
- MTTS
- FTP-1-Dataset
- Wave灵巧手
- DTC动态触觉阵列
- #具身智能算法
- #具身基础模型
FULL COVERAGE
「UC Berkeley」全资讯
快讯、深度报道、融资记录、技术部件与论文——这家公司在本站的所有痕迹，一页看齐。
相关快讯
FLASHES今天暂时没有与 UC Berkeley 直接相关的快讯，去快讯频道看看全行业动态吧。
相关报道与文章
STORIES编辑部还没有发布与 UC Berkeley 相关的报道，敬请期待。
融资历史
FUNDING本站暂未收录 UC Berkeley 的公开融资事件——当前阶段：以公开报道为准。
涉及技术部件
TECH MODULES造出这台机器人，靠的是这些关键部件与技术路线：
相关论文
PAPERS与 UC Berkeley 技术路线相关的研究进展：
- 新研究提出基于拓扑图的宏观动作强化学习方法，提升连续环境视觉语言导航性能新研究提出基于拓扑图的宏观动作强化学习方法，提升连续环境视觉语言导航性能研究提出拓扑图宏观动作强化学习框架，在视觉语言导航任务中取得领先表现。arXivarXiv:未标注▲ 0
- Zeva：面向泛化具身操作的情境因果学习框架Zeva：面向泛化具身操作的情境因果学习框架Zeva提出具身智能在线情境学习框架，在保持策略模型冻结时，从机器人自身物理交互经验中提取因果信号，实现部署中自我进化。arXivarXiv:未标注▲ 0
- MatchingPolicy：基于语义对应的跨物体上下文模仿学习策略MatchingPolicy：基于语义对应的跨物体上下文模仿学习策略MatchingPolicy将对应关系识别与策略解耦，实现少样本跨物体泛化的新方法。arXivarXiv:未标注▲ 0
- 算法-架构协同设计的VLA推理加速框架SpecVLA算法-架构协同设计的VLA推理加速框架SpecVLA研究提出SpecVLA，利用机器人环境状态切换实现长动作长度推测与验证，降低延迟并保持任务成功率。arXivarXiv:未标注▲ 0
- Seeker：从动作中学习注意力，提升策略学习的视觉瓶颈Seeker：从动作中学习注意力，提升策略学习的视觉瓶颈新方法Seeker从动作监督中学习任务相关区域，提升机器人学习数据效率与鲁棒性，在真实机器人上成功率大幅提升。arXivarXiv:未标注▲ 0
- C2Dex：从单目视频实现接触一致的灵巧操作重建与重定向C2Dex：从单目视频实现接触一致的灵巧操作重建与重定向新框架C2Dex利用单目视频生成灵巧机器人操作示范，提升接触稳定性与物理合理性。arXivarXiv:未标注▲ 0
- ABot-N1:迈向通用视觉语言导航基础模型ABot-N1:迈向通用视觉语言导航基础模型ABot-N1通过慢速推理与快速控制的解耦架构，在城市场景导航中实现35.0%的POI到达率提升，达到77.3%。开源动态arXiv:未标注▲ 0