AISpot

搜尋

找到 5 筆

機器之心● 精選AI 評分79

蘋果與 CMU 提出 SSR:Agent 推理改為做選擇題,每輪延遲降超 90%

蘋果與卡內基梅隆大學提出 SSR 框架,讓多模態搜尋 Agent 不再逐 token 生成自由形式推理,而是從 6 條預定義推理選項中做選擇題。在 7 個多模態搜尋 benchmark 上,每輪推理延遲降低超過 90%,每題總推理延遲降低 28–54%,p95 推理延遲僅 0.07 秒;4B 模型平均成功率 61.37%,與同規模 SOTA 持平,2B 達 51.26%。推理選擇由模型自身打分完成,不需要額外分類頭,也可跳過 SFT warm start 直接接 RL 訓練。

機器之心● 精選AI 評分83

15 家機構發布 TouchScale:500 小時視觸覺資料讓機器人成功率翻番

由德州農工大學、Google DeepMind、CMU 等 15 家機構聯合發布的 TouchScale 資料集公開,500 小時人類第一視角視覺-觸覺資料由同一套穿戴裝置採集,雙手各含 880 個觸覺感測器單元。僅用這批資料做 mid-training,xArm6 機械臂加 BrainCo Revo 2 靈巧手在四項接觸密集型任務上的平均成功率從 22.5% 升到 57.5%;

機器之心● 精選AI 評分69

LIBERO-MAX 評測機器人執行中途的環境變化,成功率最多降 25.7 個百分點

斯坦福、CMU、MIT 等機構的研究者發布機器人評測基準 LIBERO-MAX,專門檢驗機器人在任務執行途中遭遇環境變化後能否繼續完成,論文入選 NeurIPS'26 Robotics World Modeling Workshop 口頭報告。它用共享初始狀態、指令與隨機種子的配對執行,建置 8,000 組案例和 8 類中途變化,涵蓋目標移動、容器移動、相機視角改變、感測器噪聲等;