Hugging Face发布Grounded Action Models:3D感知驱动机器人控制新范式
摘要:Hugging Face推出了一种名为Grounded Action Models (GAM) 的新型机器人基础模型,通过3D感知实现对目标对象及其空间位置的精确理解。GAM能够通过语言、点和或框提示进行条件化,并结合多流Transformer架构,将目标视觉特征与机器人状态历史融合,从而预测动作片段。在RoboTwin 2.0和LIBERO-PRO等基准测试中,GAM表现出色,尤其在复杂场景和任务中显著优于现有方法,为机器人控制领域带来了突破性进展。
3D感知驱动的机器人控制新范式
Hugging Face的研究团队提出了一种名为Grounded Action Models (GAM) 的新型机器人基础模型,旨在解决当前机器人模型在处理目标对象及其空间位置时的不足。GAM通过以下核心特性实现了突破性进展:
- 3D感知与目标定位:GAM能够将语言、点和或框提示转换为共享对象中心表示,捕捉目标视觉特征和度量对象几何信息。
- 多流Transformer架构:通过多流Transformer,GAM将目标视觉特征与机器人状态历史融合,预测动作片段,从而实现更精准的机器人控制。
- 多模态条件化:GAM支持多种条件化方式,包括语言、点和或框提示,使其能够适应不同的任务需求。
技术亮点与性能表现
- RoboTwin 2.0基准测试:GAM在50个任务中实现了55.3%的平均成功率,显著优于Spatial Forcing的52.0%。在场景随机化条件下,GAM的成功率为47.6%,而Abot-M0仅为30.4%。
- LIBERO-PRO基准测试:GAM在16种扰动设置中实现了61%的平均成功率,超过了π_{0.5}的53%。尤其在目标重新定位或重新指定的情况下,GAM表现出色。
- 实际机器人测试:在双机械臂YAM平台上,GAM在视觉偏移条件下保持了17/20的成功率,而π_{0.5}仅为4/20。在与Molmo2规划器结合的Franka机器人上,GAM在长时记忆依赖任务中实现了64.7%的ID和49.8%的OOD步骤完成率。
行业影响与开发者建议
GAM的推出标志着机器人控制领域的一个重要里程碑,为机器人基础模型的发展提供了新的方向。以下是几点建议:
- 开发者:可以尝试将GAM集成到现有的机器人系统中,利用其多模态条件化和3D感知能力,提升机器人任务的执行效率和准确性。
- 研究人员:可以进一步探索GAM在不同应用场景中的潜力,例如在复杂环境下的自主导航和操作任务。
- 企业:可以关注GAM的商业化应用,例如在制造业、物流和医疗领域的机器人自动化解决方案。
结论
GAM的出现为机器人控制领域带来了新的机遇和挑战。通过3D感知和多流Transformer架构,GAM实现了对目标对象及其空间位置的精确理解,为机器人基础模型的发展开辟了新的道路。
—— 完 ——消息来源:Hugging Face Daily Papers (2026-09-20)
主题标签: #Hugging Face #机器人控制 #3D感知 #多模态 #Transformer
编辑部与事实核查说明:本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译,经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏,欢迎依据勘误方针或一键向编辑部发送勘误反馈。
社区整体评论区