跳到正文
arXiv · 机器人与计算机视觉· Xiangyi Jia, Kaixian Qu, Shengzhi Wang, Chenyu Yang, Robert Katzschmann, Marco Hutter·· 6 天前精选AI 评分82

I See What You Want:从视觉遥操作历史解码层级化操作意图

I See What You Want: Decoding Hierarchical Operator Intent from Visual Teleoperation History

AI 导读

论文介绍 VI AMO 数据集,包含来自 11 个机器人源的 6,600 集视频及动作与任务标注。研究提出 VIM 模型,在未见测试数据上对原子动作和任务的预测相似度分别达到 0.825 和 0.821,且在标签缺失情况下仍保持较高性能。

推荐理由

该工作提出 VI AMO 数据集与 VIM 模型,能从视觉历史解码人类意图,使 VLA 策略在未见环境中接管任务并显著降低遥操作时间。

来源:arXiv · 机器人与计算机视觉 · arxiv.org