EMMA-X是新加坡科技设计大学推出的具有70亿参数的具身多模态动作模型，在有根据的链式思维（CoT）推理数据上微调OpenVLA创建。EMMA-X结合层次化的具身数据集，包含3D空间运动、2D夹爪位置和有根据的推理，及推出一种新颖的轨迹分割策略，用夹爪的开合状态和机器人手臂的运动轨迹，增强有根据的任务推理和前瞻性空间推理，在真实世界的机器人任务中，尤其是在需要空间推理的任务上，取得显著的性能提升。
（图片来源网络，侵删）
上一篇
EMMA-baidu09X – 新加坡科技设计大学推出的具身多模态动作模型
猜你喜欢
-
发布了文章 19秒前
FantasyID – 阿里联合北邮大学推出的身份保持视频生成框架
FantasyID 是阿里巴巴集团和北京邮电大学推出新型的身份保持视频生成（IPT2V）框架，基于增强人脸知识生成高质量的身份一致视频。FantasyID基于扩散变换器（Diffusion Transformers），引入3...
-
发布了文章 3分钟前
FancyVideo – 360推出的AI文生视频模型
FancyVideo是360联合中山大学推出的AI文生视频模型。基于创新的跨帧文本引导模块（Cross-frame Textual Guidance Module, CTGM），能根据文本提示生成动态丰富且时间上连贯的视频内...
-
发布了文章 6分钟前
Fancy123 – 华中科技和华南理工推出的3D网格生成技术
Fancy123是华中科技大学和华南理工大学推出的3D网格生成技术，基于即插即用的变形技术从单张图片生成高质量的3D网格。该方法包含两个增强模块和反投影操作，分别解决多视图图像的局部不一致性、提高网格对输入图像的保真度及确保...
-
发布了文章 6分钟前
Falcon Mamba 7B – 首个通用Mamba开源AI大模型
Falcon Mamba 7B是阿联酋技术创新研究所（TII）推出的开源AI大模型，性能超越了Meta的Llama 3.1-8B等模型。Falcon Mamba 7B采用编码器-解码器结构和多头注意力技术，优化了长序列处理能...
-
发布了文章 11分钟前
FakeShield – 北大推出检测图像伪造的多模态大语言模型框架
FakeShield是北京大学研究人员推出的多模态大型语言模型框架，能检测和定位图像伪造。框架能评估图像的真实性，生成被篡改区域的掩码，提供基于像素级和图像级篡改线索的判断依据。FakeShield用GPT-4o增强现有数据...
-
发布了文章 15分钟前
FairyGen – AI动画故事视频生成框架，风格一致、叙事连贯
FairyGen 是大湾区大学推出的动画故事视频生成框架，支持从单个手绘角色草图出发，生成具有连贯叙事和一致风格的动画故事视频。框架借助多模态大型语言模型（MLLM）进行故事规划，基于风格传播适配器将角色的视觉风格应用到背景...
-
发布了文章 20分钟前
FaceSwap – 开源的在线AI换脸工具，深度伪造视频和图像
FaceSwap 是一个开源的AI软件，用于创建深度伪造（Deepfakes）视频和图像。基于深度学习技术，在视频或图片中将一个人的脸替换成另一个人的脸。FaceSwap 支持多种操作系统，包括 Windows、macOS...
-
发布了文章 20分钟前
FaceShot – 同济大学联合上海 AI Lab等推出的肖像动画生成框架
FaceShot是同济大学、上海 AI Lab和南京理工大学推出的新型无需训练的肖像动画生成框架。用外观引导的地标匹配模块和基于坐标的地标重定位模块，为各种角色生成精确且鲁棒的地标序列，基于潜在扩散模型的语义对应关系，跨越广...
全部评论
留言在赶来的路上...
发表评论