RoboCrop：教机器人如何采摘番茄
发布: (2025年12月10日 GMT+8 23:29)
1 min read
原文: Hacker News
Source: Hacker News
相关文章
阅读更多 »[Paper] Spatia：可更新空间记忆的视频生成
现有的视频生成模型由于视频信号的密集和高维特性，在保持长期的空间和时间一致性方面面临困难。为了……
[论文] mimic-video：Video-Action 模型用于超越 VLAs 的通用机器人控制
当前用于机器人操作的 Vision-Language-Action Models (VLAs) 基于在大规模但相互独立的视觉-语言骨干网络上进行预训练。
[Paper] 风格化合成增强进一步提升对腐蚀鲁棒性
本文提出了一种训练数据增强流水线，将合成图像数据与神经风格迁移相结合，以解决其脆弱性。
[Paper] VTCBench：视觉语言模型能否通过视觉-文本压缩理解长上下文？
与扩展 LLMs 的 context window 相关的计算和内存开销严重限制了它们的可扩展性。一个值得注意的解决方案是 vision-te…