跳到正文
11月20日周五
  1. Hugging Face 每日热门论文55

    Mind2Act World 诊断基准评测机器人操作中的具身认知、物理动作与组合能力

    Mind2Act World 通过 Mind、Act 和 Mind2Act 三类视角,分别诊断机器人操作中的认知推理、物理执行及两者基于环境反馈的闭环组合。基准包含来自五个现实应用领域的 30 项模拟操作任务,覆盖三种难度和 Clean、Random 两种场景,共 180 种配置。

11月18日周三
11月17日周二
11月16日周一
  1. Hugging Face 每日热门论文72

    ForceHarness 让冻结前沿模型无需微调即可使用力反馈

    ForceHarness 让仅能通过 API 访问的冻结多模态模型无需示范或微调,便可借助自调节的力原语与物理翻译层使用力反馈控制机器人。研究同时构建了包含 7 项任务和隐藏物理变量的 MuJoCo 基准 HiddenPhys;在无腕部力传感器的真实机械臂上,该方法将 GPT-6 Astra 的零样本成功率从 3.3% 提高到 90.0%。

11月12日周四
11月11日周三
  1. Hugging Face 每日热门论文58

    Duo v1:用于全双工交互的 Reciprocal World Model

    Duo v1 提出 Reciprocal World Model(RWM),持续感知实时音频、视频和文本,并与用户进行全双工实时交互。模型通过自回归交互推理、统一时间线上的 Intent 与 Realization 同步,以及双重 rollout 蒸馏来减少分布偏移。除对话外,用户还可分享真实物体、调整虚拟场景、引导助手或进行视听游戏,无需鼠标或键盘控制。

11月10日周二
  1. Hugging Face 每日热门论文48

    BirdDreams:联合视角与 BEV 视频生成可信、可响应的驾驶世界模型

    BirdDreams提出一种自回归驾驶世界模型,联合生成视角视频与示意性鸟瞰视图(BEV)视频,将场景布局纳入未来预测并支持自车轨迹控制。该模型仅需单张相机图像、无需 HD map 或 vehicle-state 输入,在 PhysicalAI-AV 和 nuScenes 上比既有模型更准确跟随输入自车轨迹;人工评测显示,其生成的周围车辆行为也比仅使用视角视频的基线更真实。

9月3日周四