#vision-language-action のAIニュース

7件の記事

ロボット操作向け行動条件付き動画世界モデル「DreamX-Phi 1.0」を発表

Hugging Face Daily Papers は、観測フレームと言語指示、指定された動作シーケンスから未来の観測を予測するロボット操作用の行動条件付き動画世界モデル「DreamX-Phi 1.0」を発表した。

ロボティクスチームは汎用基盤モデルの実現を目指し、スタンフォード大学とトヨタ研究所が提案する低コスト・汎用的なデータ収集装置「UMI」を用いた、カスタム QDD ロボットアーム向けのデータ収集手法について紹介した。

Hugging Face は、ロボットの操作制御における部分観測性の課題に対処するため、単一フレームに依存しない価値推定を行う「WCM」という世界批評家モデルを提案し、その研究論文を公開した。

Google DeepMind は次世代ロボットの知能層「Gemini Robotics 2」を発表し、テーブル上操作から全身制御・5 指器用さ・複数ロボット協働へと拡張した 3 つの物理 AI モデルを公開した。