跳到正文

#数据/训练

今日 35 条
9月28日周一
  1. HF blog22

    ngustj/pen_pick_place_clean_150ep_v1:基于 LeRobot 的 150 回合抓笔放置数据集

    Hugging Face 上线数据集 ngustj/pen_pick_place_clean_150ep_v1,用 LeRobot 采集,共 150 个回合、71019 帧,30 fps,机器人类型为 so_follower。该数据集含 1 项任务,动作与状态均为 6 维关节位置,另配 top 和 wrist 两路 480×640 视频,采用 v3.0 代码库格式,训练集覆盖全部 150 个回合。

9月27日周日
  1. HF blog62

    FINGR 发布灵巧手魔方操作演示数据集

    FINGR 发布面向真实魔方操作的灵巧手演示数据集,包含 36 条遥操作序列、576 次转面和 25,520 帧 10 Hz 数据,采集自 xArm7 与 Sharpa Wave 手。数据以 LeRobot v3 格式提供关节状态与指令、五指触觉力和视频、魔方几何跟踪及转面标注,论文用其中 435 次转面(18,113 帧)做动作训练、24,943 帧做未来预测。

    推荐理由:数据集给出了遥操作序列、触觉力与转面标注的完整字段,可了解灵巧手魔方操作的数据组织方式。

9月26日周六
  1. qbitai66

    美梦空间联合索辰科技发布Physical-WAM世界动作模型与RoboTwin-Phys物理漂移评测基准

    9月26日,杭州美梦空间在第五届全球数字贸易博览会上发布Physical-WAM物理-世界动作模型与RoboTwin-Phys物理漂移评测基准。Physical-WAM由PhysLens、PhysDream、PhysAct三个模块构成,在感知输入与动作输出之间插入物理Token表征,用于估计摩擦、重量、重心、接触状态等物理信息并预判动作后果。

9月25日周五
  1. qbitai41

    华为大模型双子星联手创业息壤开物,要做物理世界基模LPM

    前华为云大模型CTO李寅与前华为多模态首席科学家张含望联合创办息壤开物,连续完成数亿元种子轮及天使轮融资,估值达5亿美金,由敦鸿资产领投。公司要做Large Physics Model(LPM)大物理模型,先从海量视频、机器人轨迹和真实交互中预训练物理基础模型,再迁移到不同本体和任务。

9月24日周四
  1. qbitai38

    从真机到世界模型,具身智能正在补一条看不见的数据产线

    2026云栖大会具身智能论坛上,行业判断数据时长正失去意义、模型增益才是数据的计价单位,竞争从"找数据"转向"造数据、管数据、用反馈继续生产数据"。阿里云以Qwen参与标注、HappyHorse生成增广数据、DataWorks编排流水线、PAI承接分布式训练,并披露平头哥真武810E芯片在具身智能赛道出货超万片。

  2. qbitai62

    灵初智能发布 Psi-R2.5,用强配对数据改进人机动作对齐

    灵初智能在十万小时级数据基础上发布模型 Psi-R2.5,改进数据质量与人机数据对齐方法。它逆向使用世界模型 Psi-W0,从真实机器人数据生成对应人手操作数据,训练端到端转换器输出匹配的机器人图像和动作,并称转换数据已在真机回放和后训练两类测试中得到验证,部分复杂任务仍未直接完成。

9月23日周三
  1. qbitai22

    它石智航发布 AWE 具身智能基座大模型,推动中国具身智能规模化落地

    它石智航在 2026“跨国企业上海行”推介会上分享了其具身智能规模化落地进展,已自主研发 AWE 具身智能基座大模型,并采集超百万小时高质量真实人类操作数据。公司还自研了 A 系列轮式机器人、T 系列双足机器人和 21 自由度准直驱 DexHand 灵巧手,正推进产线验证。目前其研发团队硕博占比超 80%,未来将扩大团队并加快布局生产基地。

  2. qbitai74

    刷视频也能教会机器人干活:1200亿tokens人类动作预训练,误差按幂律下降

    亮源新创9月21日发布技术博客,披露Light-O1人类动作预训练规模从37.5亿扩展到1200亿token(最大约对应10万小时人类动作),在第一视角人类数据、公开机器人数据和自研人形机器人数据上适配后,动作预测误差、全身姿态误差和腕部位置误差均持续下降并呈幂律趋势,被其称为迁移缩放定律。

9月22日周二
  1. HF blog75

    理想发布 ME-U0 预训练机器人策略权重

    理想在 Hugging Face 发布 ME-U0 预训练权重,用于下游机器人策略后训练,采用 Apache 2.0 许可。页面给出 hf download 命令与 ME_U0_PRETRAINED_PTH 环境变量设置,并指向后训练说明;RoboDojo 评测需使用 ME-U0-RoboDojo。

    推荐理由:读者可据此了解 ME-U0 预训练权重的下载方式、下游策略后训练用途与 Apache 2.0 许可。