COMPANY PROFILE
斯坦福大学斯坦福大学
CLAP框架实现跨形态零样本物理模拟，性能媲美专用模型，已开源。
CLAP框架实现跨形态零样本物理模拟，性能媲美专用模型，已开源。无界动力在WRC搭建真实运营的机器人咖啡店，展示开放环境下的长程任务能力，其隐空间世界模型登顶公开榜单并获欧盟CE认证。斯坦福大学团队提出利用自由形式偏好生成的密集奖励，解决机器人强化学习在长时域任务中的信用分配难题。
代表产品
- CLAP
- K15机器人
- MWA™ 隐空间世界模型
- 星动L7
- PAD模型
- VPP
- UP-VLA
- Ctrl-World
- #具身智能模型
- #具身智能
- #强化学习
- #融资
FULL COVERAGE
「斯坦福大学」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 斯坦福大学 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 斯坦福大学 相关的报道，敬请期待。
融资历史
FUNDING本站暂未收录 斯坦福大学 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 斯坦福大学 技术路线相关的研究进展：
- CLAP框架提出跨具身视频世界模型，实现零样本物理模拟CLAP框架提出跨具身视频世界模型，实现零样本物理模拟CLAP框架实现跨形态零样本物理模拟，性能媲美专用模型，已开源。arXivarXiv:未标注▲ 0
- 离线强化学习策略解耦提取新范式离线强化学习策略解耦提取新范式研究提出离线强化学习策略解耦提取范式，将策略改进从训练解耦到推理阶段，优于联合学习方法。arXivarXiv:未标注▲ 0
- Orbit-Planner：面向在轨避障的潜在世界模型Orbit-Planner：面向在轨避障的潜在世界模型研究者提出两阶段潜在世界模型Orbit-Planner，用于卫星在轨避障，在Isaac Sim中闭环导航成功率达91.7%。arXivarXiv:未标注▲ 0
- 基于强化学习的机器人避碰任务：向量化仿真与基准测试基于强化学习的机器人避碰任务：向量化仿真与基准测试研究利用MJoCo MJX和Brax库创建机器人臂避碰任务仿真基准，在UR5e和Franka机器人上分别达到96.1%和98.8%的到达成功率。arXivarXiv:未标注▲ 0
- 基于智能体强化学习的机器人操作鲁棒执行方法基于智能体强化学习的机器人操作鲁棒执行方法提出两种执行质量评估指标与智能体强化学习框架，使机器人操作在干扰下成功率提升最高39.2%。arXivarXiv:未标注▲ 0
- ExToken框架：面向VLA模型的高效结构化探索微调方法ExToken框架：面向VLA模型的高效结构化探索微调方法研究提出强化学习探索令牌，通过结构化行为先验提升视觉-语言-动作模型在机器人操作中的样本效率。arXivarXiv:未标注▲ 0