需求人群:
"用于训练机器手控制技能,实现人类手部动作的复制。"
使用场景示例:
机器手控制技能训练
人类手动作模仿学习
动作数据收集与校正
产品特色:
便携式手部动作捕捉
逆运动学和基于点云的模仿学习
人机协同校正机制
数据集收集与校正
浏览量:39
最新流量情况
月访问量
315
平均访问时长
00:00:00
每次访问页数
1.00
跳出率
84.19%
流量来源
直接访问
48.22%
自然搜索
26.56%
邮件
0.04%
外链引荐
5.38%
社交媒体
18.95%
展示广告
0
截止目前所有流量趋势图
地理流量分布情况
美国
100.00%
可伸缩便携运动捕捉数据收集系统
DexCap是一种便携手部动作捕捉系统,结合了全息测距和电磁场技术,提供准确、抗遮挡的手腕和手指运动跟踪,并通过对环境的3D观测进行数据采集。DexIL算法利用逆运动学和基于点云的模仿学习,直接从人类手部动作数据中训练灵巧的机器手技能。系统支持选项的人机协同校正机制,利用这一丰富数据集,机器手能够复制人类动作,还能根据人类手动作进一步提高表现。
为真实世界机器人提供最先进的机器学习模型、数据集和工具。
LeRobot 是一个旨在降低进入机器人领域的门槛,让每个人都能贡献并从共享数据集和预训练模型中受益的开源项目。它包含了在真实世界中经过验证的最先进的方法,特别关注模仿学习和强化学习。LeRobot 提供了一组预训练模型、带有人类收集演示的数据集和模拟环境,以便用户无需组装机器人即可开始。未来几周内,计划增加对最实惠和最有能力的真实世界机器人的支持。
Aria Gen 2 是一款用于机器感知、情境 AI 和机器人研究的新型智能眼镜。
Aria Gen 2 是 Meta 推出的第二代研究级智能眼镜,专为机器感知、情境 AI 和机器人研究而设计。它集成了先进的传感器和低功耗的机器感知技术,能够实时处理 SLAM、眼动追踪、手势识别等功能。该产品旨在推动人工智能和机器感知技术的发展,为研究人员提供强大的工具来探索如何让 AI 更好地理解人类视角的世界。Aria Gen 2 不仅在技术上取得了突破,还通过与学术界和商业研究实验室的合作,促进了开放研究和公众对这些关键技术的理解。
Helix 是一款用于通用人形机器人控制的视觉-语言-行动模型。
Helix 是一款创新的视觉-语言-行动模型,专为人形机器人的通用控制而设计。它通过将视觉感知、语言理解和动作控制相结合,解决了机器人在复杂环境中的多项长期挑战。Helix 的主要优点包括强大的泛化能力、高效的数据利用以及无需任务特定微调的单一神经网络架构。该模型旨在为家庭环境中的机器人提供即时行为生成能力,使其能够处理从未见过的物品。Helix 的出现标志着机器人技术在适应日常生活场景方面迈出了重要一步。
ASAP是一种用于学习敏捷人形机器人全身技能的技术,通过模拟与现实物理对齐实现技能迁移。
ASAP(Aligning Simulation and Real-World Physics for Learning Agile Humanoid Whole-Body Skills)是一种创新的两阶段框架,旨在解决模拟与现实世界之间的动态不匹配问题,从而实现人形机器人的敏捷全身技能。该技术通过预训练运动跟踪策略,并结合现实世界数据训练的残差动作模型,显著提高了机器人在复杂动态环境中的适应性和协调性。ASAP的主要优点包括高效的数据利用、显著的性能提升以及对复杂动作的精准控制。该技术为未来人形机器人的开发提供了新的方向,尤其是在需要高度灵活性和适应性的应用场景中。
先进的人形机器人技术,助力人类实现潜力。
Apptronik是一家从德克萨斯大学奥斯汀分校的人类中心机器人实验室分离出来的公司,致力于开发下一代能够改变我们生活和工作方式的机器人。公司的产品线包括从外骨骼到仿人上半身、双足移动平台和独特的机器人手臂,这些产品能够举起超过自身重量的物体。这些经验和学习成果促成了Apollo——世界上最先进的人形机器人的开发。Apptronik的产品和技术不仅能够处理重复性任务,还能够丰富人类生活,体现了公司在创造以人为中心的解决方案方面的道德承诺。
具有人类级别精度的人工触觉传感器
Digit 360是由Meta FAIR发布的人工手指形状的触觉传感器,它能够以人类级别的精度数字化触觉。该传感器拥有超过18种独特的传感特性,允许研究人员结合使用各种传感技术或单独隔离信号进行深入分析。Digit 360在检测空间细节上达到了7微米,力量检测上达到了1毫牛,响应速度是人的30倍,为触觉传感技术树立了新的标准。
用于双手操作的扩散基础模型
RDT-1B是一个参数量达到1B(目前最大)的模仿学习扩散变换器,预训练在超过1M(目前最大)的多机器人情节上。给定语言指令和多达三个视图的RGB图像,RDT可以预测接下来的64个机器人动作。RDT与几乎所有现代移动操作器兼容,包括单臂到双臂、关节到末端执行器、位置到速度,甚至包括轮式运动。该模型在6K+(最大的之一)自收集的双手情节上进行了微调,并部署在ALOHA双臂机器人上。它在灵巧性、零样本泛化能力和少样本学习方面达到了最先进的性能。
为机器人提供虚拟模拟和评估的先进世界模型。
1X 世界模型是一种机器学习程序,能够模拟世界如何响应机器人的行为。它基于视频生成和自动驾驶汽车世界模型的技术进步,为机器人提供了一个虚拟模拟器,能够预测未来的场景并评估机器人策略。这个模型不仅能够处理复杂的对象交互,如刚体、掉落物体的影响、部分可观察性、可变形物体和铰接物体,还能够在不断变化的环境中进行评估,这对于机器人技术的发展至关重要。
通过模仿学习实现手术任务的机器人
Surgical Robot Transformer 是一种通过模仿学习在达芬奇机器人上执行手术操作任务的模型。该模型通过相对动作公式克服了达芬奇系统的前向运动学不准确的问题,使得机器人能够成功地训练和部署政策。这种方法的一个显著优势是可以直接利用包含近似运动学的大量临床数据进行机器人学习,而无需进一步校正。该模型展示了在执行三个基本手术任务(包括组织操作、针头处理和结扎)方面的成功。
人类动作模仿与自主技能学习系统
HumanPlus是一个研究项目,旨在通过模仿人类动作来训练人形机器人,从而实现自主技能学习。该项目通过模拟强化学习训练低级策略,并将这些策略应用到真实世界中,实现实时跟踪人类身体和手部动作。通过影子模仿技术,操作员可以远程操作机器人收集全身数据,用于学习不同任务。此外,通过行为克隆技术,机器人能够模仿人类技能,完成各种任务。
一种通过大型语言模型引导的模拟到现实世界转移策略,用于获取机器人技能。
DrEureka是一个利用大型语言模型(LLMs)自动化和加速模拟到现实(sim-to-real)设计的方法。它通过物理模拟自动构建合适的奖励函数和领域随机化分布,以支持现实世界中的转移。DrEureka在四足机器人运动和灵巧操作任务上展示了与人工设计相媲美的sim-to-real配置,并能够解决如四足机器人在瑜伽球上平衡和行走等新颖任务,无需人工迭代设计。
Hillbot是一家专注于机器人基础模型的公司,旨在为工业和家庭任务提供AI驱动的机器人
Hillbot致力于机器人创新的前沿,通过为机器人提供AI大脑和适应性技能,使其能够在复杂环境中执行复杂任务。公司在收集真实世界和模拟数据方面的专业知识,显著扩展了机器人基础模型的训练数据集。通过在3D场景捕捉、模拟和机器人学习算法方面的核心技术,Hillbot不仅在制造机器人,还在定义具身AI(AI与机器人技术的融合)的边界,以增强所有领域的能力。
© 2025 AIbase 备案号:闽ICP备08105208号-14