机器人 / 具身智能

How to Instruct Your Robot: Dense Language Annotations Power Robot Policy Learning

如何指导你的机器人：密集语言标注助力机器人策略学习

Bosung Kim, Ruiyi Wang, David Acuna, Jaehun Jung, Alexander Trevithick, Brandon Cui, Yejin Choi, Prithviraj Ammanabrolu

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； NVIDIA 纠错

专题命中 机器人学习 ：robot policy(title,abstract)；manipulation(abstract)；分类 cs.RO、cs.AI

AI总结 本研究通过密集语言标注提升机器人策略学习效率，提出DeMiAn方法，利用视觉语言模型生成多方面标注，提升策略和世界模型性能，无需新增演示数据。

EgoKit: Towards Unified Low-Cost Egocentric Data Collection with Heterogeneous Devices

EgoKit: 向统一低成本第一人称视角数据采集迈进：异构设备

Liuchuan Yu, Erdem Murat, Beichen Wang, Yan Zeng, Tingting Luo, Huizhen Zhou, Shanghao Li, Huining Feng, Zhigen Zhao, Ning Yang, Ke Jing, Yunhao Liu, Ruoya Sheng

机构 * George Mason University（乔治·马歇尔大学） ； ByteDance（字节跳动） 纠错

专题命中 机器人学习 ：robot learning(abstract)；embodied AI(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出EgoKit，一种统一六种异构设备的第一人称视角数据采集工具包，解决了不同设备间SDK差异和数据采集不一致的问题，同时提供统一的日志格式和手部追踪数据。