创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

EgoX实现跨机器人具身操作迁移

AI 总结

Yaru Niu等22名作者于11月12日向arXiv提交EgoX论文。该框架利用人类、真实机器人和仿真智能体的演示进行学习,并采用带具身“做梦”目标的模块化跨具身Transformer(MXT+)。在13个任务—具身组合上,作者报告称,跨具身预训练使平均标准化任务进度从从零训练时的0.63提升至0.80;在分布外条件下,平均任务进度从0.53提升至0.77。

深度见解

论文报告称,跨具身预训练在六种机器人具身上带来了可测量的提升,其中包括五种实体机器人和一种仿真人形机器人,为利用异构演示改进通用操作策略提供了一种框架。

Computer Science > Robotics

arXiv:2611.16728 (cs)

[Submitted on 12 Nov 2026]

Title:EgoX: Egocentric Cross-Embodiment Manipulation with Embodiment Dreaming

Authors:Yaru Niu, Binghong Chen, Changwei Yao, Shangtao Li, Zhenlong Fang, Revanth Krishna Senthilkumaran, Shuai Zhou, Yuemin Mao, Kalie Ching, Po-Ju Chao, Yudong Luo, Peiqi Yu, Heng Zhang, Hao Zhang, Bingqing Chen, Chen Qiu, H. Eric Tseng, Ye Yuan, Umar Iqbal, Changliu Liu, Jonathan Francis, Ding Zhao

View a PDF of the paper titled EgoX: Egocentric Cross-Embodiment Manipulation with Embodiment Dreaming, by Yaru Niu and 21 other authors

#EgoX#MXT+

原文约 3 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。