ACE RoboticsACE Robotics

今天暂时没有与 ACE Robotics 直接相关的快讯，去快讯频道看看全行业动态吧。

编辑部还没有发布与 ACE Robotics 相关的报道，敬请期待。

本站暂未收录 ACE Robotics 的公开融资事件——当前阶段：以公开报道为准。

造出这台机器人，靠的是这些关键部件与技术路线：

与 ACE Robotics 技术路线相关的研究进展：

• ADAPT：面向鲁棒且可操控的在线文本驱动人形机器人控制的敏捷扩散动作先验ADAPT：面向鲁棒且可操控的在线文本驱动人形机器人控制的敏捷扩散动作先验研究提出ADAPT端到端框架，通过扩散动作先验和强化学习实现文本指令直接控制人形机器人。
  arXivarXiv:未标注▲ 0
• 跨本体方向论文解读跨本体方向论文解读国家发改委部署具身智能产业，论文团队提出跨机器人本体通用训练方法，推动机器人真实落地。
  Bilibili 具身智能检索arXiv:未标注▲ 0
• ParallelWorld：面向具身推理的测试时扩展框架ParallelWorld：面向具身推理的测试时扩展框架研究者提出ParallelWorld，一种多步前瞻的具身推理测试时扩展框架，通过验证器引导的树搜索提升主动感知性能。
  arXivarXiv:未标注▲ 0
• EXIMO：利用视觉语言模型引导VLA策略微调的新方法EXIMO：利用视觉语言模型引导VLA策略微调的新方法EXIMO算法通过探索、模仿、优化三阶段，利用视觉语言模型规划，提升VLA策略微调的样本效率和最终性能。
  开源动态arXiv:未标注▲ 0
• 面向实验室移动操作的开源机器人系统：表示交接架构面向实验室移动操作的开源机器人系统：表示交接架构arXiv新论文提出基于OpenArm的移动操作原型，通过表示交接整合语言、感知与规划。
  arXivarXiv:未标注▲ 0
• iARCS：面向可控三维场景生成的迭代式智能体强化学习框架iARCS：面向可控三维场景生成的迭代式智能体强化学习框架iARCS框架通过迭代智能体强化学习，提升合成三维场景生成的功能约束满足度，并改善下游具身智能训练数据质量。
  arXivarXiv:未标注▲ 0
• JoyAI-RA 0.5提出双动作对齐框架，扩展机器人操作学习JoyAI-RA 0.5提出双动作对齐框架，扩展机器人操作学习JoyAI-RA 0.5提出双动作对齐框架，利用人类视频等异构数据扩展操作学习，基准测试表现优异。
  Semantic ScholararXiv:未标注▲ 0
• 分层大语言模型框架实现无人机群导航与网络切换协同分层大语言模型框架实现无人机群导航与网络切换协同研究提出分层LLM与DRL结合框架，由云端LLM做全局负载均衡、边缘LLM定战术子目标，由DRL控制器执行无碰撞轨迹。
  arXivarXiv:未标注▲ 0
• DPNeXt：用于高效ViT多任务密集预测的轻量级多尺度特征融合框架DPNeXt：用于高效ViT多任务密集预测的轻量级多尺度特征融合框架DPNeXt提出轻量级多尺度融合解码器，在机器人感知任务中提升效率。
  arXivarXiv:未标注▲ 0
• SeerGuard：通过世界模型预测保障移动GUI代理安全SeerGuard：通过世界模型预测保障移动GUI代理安全SeerGuard安全框架通过预执行指令筛选和动作风险评估提升移动GUI代理安全性，实验显示风险评分显著下降。
  开源动态arXiv:未标注▲ 0
• LifelongVLA：面向机器人操作的双时序终身学习框架LifelongVLA：面向机器人操作的双时序终身学习框架研究者提出LifelongVLA框架，通过双时序LoRA门控模块与缓存高效重放策略，在机器人操作中实现塑性-稳定性平衡。
  arXivarXiv:未标注▲ 0
• PhysClaw-0：基于语言修正的共生式机器人自主操控系统PhysClaw-0：基于语言修正的共生式机器人自主操控系统论文提出名为PhysClaw-0的共生式自主操控系统，通过可重用的语言修正记忆减少人类监督成本，在桌面清洁测试中人类工作时间降至16%。
  arXivarXiv:未标注▲ 0
• EDAR：机器人操作中依赖环境的动作表示学习方法EDAR：机器人操作中依赖环境的动作表示学习方法研究人员提出EDAR方法，将动作令牌同时映射到可执行控制结构和预期视觉后果，在仿真和真实机器人操作基准中提升了策略学习效果。
  arXivarXiv:未标注▲ 0
• ContactMimic: 通过接触控制实现人形机器人物体交互ContactMimic: 通过接触控制实现人形机器人物体交互ContactMimic框架利用接触跟随奖励和轨迹增强，使人形机器人解耦接触行为与关键点几何，实现精确物理接触和接触可控性。
  arXivarXiv:未标注▲ 0
• Latent Memory Palace：将控制推理转化为自回归变分推断的框架Latent Memory Palace：将控制推理转化为自回归变分推断的框架研究者提出Latent Memory Palace框架，将控制策略的推理过程建模为自回归变分推断，实现可适应的测试时计算分配，并在仿真和真实世界中获得良好表现。
  arXivarXiv:未标注▲ 0
• LLM-as-a-Verifier：一种通用验证框架LLM-as-a-Verifier：一种通用验证框架该框架通过在智能体任务中提供细粒度连续评分，在多个机器人及编程基准上达到最先进性能，并可用于强化学习提升样本效率。
  arXivarXiv:未标注▲ 0
• 灵步机器人发布LingBot-VLA 2.0模型，提升视觉-语言-动作能力灵步机器人发布LingBot-VLA 2.0模型，提升视觉-语言-动作能力灵步机器人推出LingBot-VLA 2.0，通过多样化数据训练和运动预测建模，提升跨任务与跨本体的操作能力。
  Papers with Code RobotsarXiv:未标注▲ 0