arXivDaily arXiv每日学术速递 周一至周五更新

AI 大模型

视觉大模型 / VLM

视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。

2026-05-25 至 2026-05-25 共收录 61 信号源:cs.CV, cs.AI, cs.LG

1. 其他VLM 2 篇

2605.23847 2026-05-25 cs.RO 50%

Instrumentation for Imitation Learning: Enhancing Training Datasets for Clothes Hanger Insertion

模仿学习的仪器化:增强衣架插入训练数据集

Remko Proesmans, Thomas Lips, Francis wyffels

机构 * AI and Robotics Lab (IDLab-AIRO)(人工智能与机器人实验室(IDLab-AIRO)) Ghent University—imec(根特大学—imec)

专题命中 其他VLM :vision language model(abstract)

AI总结 本文通过仪器化(在物体中集成传感器)提供状态信息,训练扩散策略进行衣架插入任务,实验表明仪器化策略比纯视觉策略成功率提高14-25%,且黑箱模仿学习能自动优先使用仪器信号。

Comments Accepted for presentation at ICRA2026

详情

展开后加载摘要…

URL PDF HTML 收藏