COMPANY PROFILE
香港科技大学香港科技大学
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。
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。OmniContact通过接触流将人形机器人的元技能串联，实现长程移动操作，搬运、推动等任务成功率达98.7%和82.5%。逐际动力联合多所高校提出全身模仿框架CWI，通过数据解耦、双AMP判别器和多Critic训练，让人形机器人上半身保留操作多样性、下半身保持稳定运动风格。
代表产品
- MatchingPolicy
- OmniContact
- LimX Oli人形机器人
- CWI全身模仿系统
- #具身智能算法
- #运动控制
- #全身控制
FULL COVERAGE
「香港科技大学」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 香港科技大学 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 香港科技大学 相关的报道，敬请期待。
融资历史
FUNDING本站暂未收录 香港科技大学 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 香港科技大学 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