SceneBloom: Agentic Indoor Environment Generation with Realistic and Diverse Layouts for Embodied LearningSceneBloom 在五种房间类型中达到最高视觉质量与物理稳定性,唯一无碰撞越界
SceneBloom 在五种房间类型中达到最高视觉质量与物理稳定性,唯一无碰撞越界
该方法生成的仿真场景兼顾真实性与物理有效性,可用于训练具身导航策略并提升在真实扫描上的泛化,代码开源便于复现。
DOMAIN OBSERVATORY
资料 48 条 · 常规内容近 60–90 天,综述/报告保留一年最近同步 10 分钟前
VLA 与机器人基础模型 近期进展集中在分层 VLA 与低延迟部署。HiSTEVE 用上层 VLM 规划与策略耦合完成检测,在 MineStudio Bench 平均成功率 85.0%、OpenHA 37.4%,并能完成制造铁锭等长时程任务[2]。对 6 个 flow matching VLA 的研究表明,模型规模与训练充分时,单步 Euler 动作生成基本匹配多步采样,真实世界合
SceneBloom 在五种房间类型中达到最高视觉质量与物理稳定性,唯一无碰撞越界
该方法生成的仿真场景兼顾真实性与物理有效性,可用于训练具身导航策略并提升在真实扫描上的泛化,代码开源便于复现。
HyperDrone 快 20x,实现视觉策略 sim-to-real
高速批渲染与 GPU 动力学可降低无人机视觉策略训练成本,并支持 sim-to-real 验证。
