TAG:零样本学习
人形机器人有了通用运动小脑，这有什么用？
本文介绍了银河通用公司开发的AstraBrain-WBC 0.5模型，这是一个基于Transformer的通用运动控制器，使人形机器人能够零样本学会新动作。该模型通过20亿帧大规模数据训练，实现了92.58%的零样本运动追踪成功率，推理延迟仅为0.39毫秒，解决了人形机器人运动协调的通用难题。文章解释了机器人‘小脑’与‘大脑’的区别，对比了传统MLP的局限性和Transformer的优势，并展示了专家模型蒸馏技术，标志着人形机器人控制的重要突破。
0 
0
HumanEgo：机器人不看机器人示教，只看人类第一视角视频就能学会操作
HumanEgo 论文提出零样本机器人学习新范式：仅用几分钟人类第一视角视频（Aria眼镜采集），去除人体手臂后提取手-物交互几何关系，训练 Flow Matching Policy，直接部署至双臂机器人，实现零-shot操作。彻底打破数据昂贵与embodiment gap，解决长时序、多臂协作任务的采集瓶颈。
首次纯人类视频预训练VLA实现灵巧操作，少量数据微调即可部署成功
该研究首次提出使用纯人类视频预训练视觉-语言-动作（VLA）模型，实现机器人灵巧操作。通过VITRA框架，自动从人类活动视频中提取3D手部运动轨迹、分割原子动作并生成语言指令，构建了超大规模数据集。预训练模型展现出强大的零样本手部动作预测能力，仅需少量真实机器人数据微调，即可在真实环境中高效部署，对新物体和环境泛化能力强，显著降低了机器人学习的数据获取成本。
国地中心联合北理工发布“龙驭”小脑模型 实现零样本全身动态动作追踪
国地中心与北京理工大学联合发布人形机器人“龙驭”小脑模型，该模型能够实现零样本全身动态动作追踪，仅需少量数据训练即可泛化至实时动捕、视频衍生动作等场景，支持行走、奔跑、跳跃等高动态运动，并具备抗扰动和摔倒恢复能力，为远程操控、机器人数据集构建及自主行动奠定技术基础。
清北联合推出Motion Transfer，比肩Gemini Robotics，让机器人直接从人类数据中端到端学习技能
清华大学与北京大学联合团队推出MotionTrans框架，实现从人类VR数据到机器人的端到端零样本技能迁移。该技术无需机器人演示数据，仅通过人类动作采集即可让机器人学会倒水、拔插座等日常任务，并在少量微调后成功率大幅提升至50%以上。研究团队已开源完整技术报告、代码和数据集，推动机器人学习领域新发展。
