跳到主要内容
检索

Beijing Academy of Artificial Intelligence

11 篇关联报道

订阅更新
  1. arXiv

    SLA把空间对齐搬进持续预训练:八种真实部署条件平均成功率83.8%,比基线高24.0个百分点

    SLA把视觉-语言-动作模型的空间对齐从只在任务后训练阶段做,扩展到持续预训练阶段,并在下游后训练中保留。它从预训练策略初始化,联合优化动作预测与中间视觉嵌入对冻结三维感知模型空间表示的余弦对齐,训练时用特征相关门聚合多层视觉嵌入、用概率状态丢弃减少对示范轨迹的依赖;在RoboTwin 2.0的Clean2Random设置上达到72.3%,在八种真实部署条件上平均成功率83.8%,比基线高24.0个百分点。

  2. researchsquare.com

    人形机器人上下身分开训练:JAEGER在H1与H1-2上把上身关节误差压到约0.1弧度

    人形机器人全身控制通常由一个策略同时驱动上下身,上身大幅动作会拖累下身平衡,训练也容易在两者之间互相干扰。JAEGER把上身与下身拆成两个独立控制器,共享观测与奖励,并先用监督学习初始化上身、再以强化学习联合训练,同时支持根速度跟踪与关节角跟踪两种指令模式。在H1与H1-2两个平台的仿真对比中,JAEGER的上身关节跟踪误差低于HumanPlus、ExBody与OmniH2O等基线,姿态模式下的关节误差约为其他方法的30%至60%。

  3. arXiv

    两个人形机器人抬同一块货过窄廊:协调策略写成可执行代码,物理校验不过就改角色

    两个人形机器人抬同一块自由支撑的刚性货物穿过受限走廊时,团队协调不再靠预先分解任务,而是写成可执行代码,由多模态基础模型给出动作原语、语义目标、临时角色和有界参数。每次物理执行都经校验器判定,被拒的转移从最近一次通过的检查点触发结构化修订,通过的经验被留存复用。在MuJoCo中,三种基础模型骨干各跑5次基础任务,共15次完成8次,每个骨干都有端到端成功。

  4. arXiv

    DiT特征为何弱于U-Net:长跳连接把扩散噪声直接旁路,中间层特征质量随之回升

    从零训练的对照实验显示,给DiT加上长跳连接后,中间层特征在语义对应、分割与深度任务上全面变好,即使把生成能力对齐到相同FID也仍然更好。

  5. arXiv

    子智能体不再等调度:执行中途可申请改配置,长程任务成功率平均提高9.1%

    POrchestra 让子智能体在执行途中主动向调度器发出结构化请求,调度器据此当场修改子目标、上下文、工具集或执行预算,而不必等子智能体结束或报错。此前的再调度方法把子智能体的配置固定到生命周期结束,动态环境中的配置错配只能延迟处理。在 GAIA、GAIA2 与 SWE-Bench Verified 三个长程基准上,任务成功率相对最强基线平均提高 9.1%;配套的 OPOD 把反馈转成过程监督,使小调度器成功率相对训练基线平均提高 10.0%。

  6. arXiv

    SlideDP 让多 GPU 共享主机内存的全参数微调提速 1.46–2.64 倍,并在四张 H100 上以更大批次超过 FSDP2 峰值 11.2%

    SlideDP 提出一种面向共享主机多 GPU 系统的同步数据并行运行时,通过维护单一权威主机状态、将通信路径与状态布局解耦、并在 rank 与 chunk 之间流水化参数下发、梯度聚合与 CPU 更新,在匹配批次扫描中对 SlideFormer、MegaTrain 和 ZeRO-Offload 取得 1.46–2.64 倍的几何平均吞吐比,在四张 H100 上以较小批次接近 GPU 常驻的 FSDP2、以较大批次超过其测得峰值吞吐 11.2%,并支持 Qwen3-14B 的 256K token 序列以及在四张 RTX 4090 上微调 Qwen2.5-72B。

  7. arXiv

    RoboCoach 用世界模型想象失败来挑选示范:仅 150 条子任务示范把 Franka 成功率从 13.3% 提到 75.0%

    该工作提出 RoboCoach,一个由世界模型引导的主动教练框架,其 Route–Imagine–Diagnose–Improve(RIDI)循环让可复用技能专家在共享动作条件世界模型 CoachWorld 中闭环执行,用进度判定器记录首个未完成的子任务,再据此决定采集哪些子任务示范、更新哪些专家适配器;在 LIBERO 与 RoboTwin 两套仿真和 Franka 与 AgileX 两个真机平台上,想象成功率与实机成功率在 22 个任务–策略对上 Spearman 相关为 0.840,每平台仅增加 150 条子任务示范后 Franka 成功率由 13.3% 升至 75.0%、AgileX 由 40.0% 升至 83.8%,并在四个留出组合上取得

  8. arXiv

    BiasRecon 用不到 100 个可调参数在跨解剖、跨中心、跨模态 MRI 重建中取得最优 PSNR

    该工作提出 BiasRecon,一个基于“最小干预”原则的偏置校准自适应框架,通过交替优化频率引导的先验校准(在 U-Net 各跳跃连接层用可学习标量 α、β 调制低/高频分量,仅引入 2L 个参数)、基于分数的去噪以及用 Stein 无偏风险估计(SURE)自适应调节正则化参数 γ,在 FastMRI 膝(训练集,973 个体积)上训练后直接迁移到 FastMRI-Brain(跨解剖)、Stanford Knee(跨中心)和 CMRxRecon(组合偏移)三个开放世界测试集,在 8× 高斯一维欠采样下分别比 DDS 提升 +1.19 dB、+2.06 dB、+1.60 dB PSNR,并在 12 项采样/加速设置中 10 项最优。

  9. arXiv

    MedQ-Engine 用 10K 标注把 8B 医学图像质量评估模型提升到超过 GPT-4o 逾 13%,与人类专家差距缩至 4.34%

    该工作提出 MedQ-Engine 闭环数据引擎,通过“评估—探索—进化”三阶段迭代:在开发集上把模型失败案例聚类为失败原型,用原型视觉分量在约百万张、覆盖五种模态的医学图像池中检索候选样本,配合熵引导路由的渐进式人在回路标注与质量保障微调,仅用 10K 标注即让 8B 参数模型在医学图像质量评估上超过 GPT-4o 逾 13%、与人类专家差距缩小到 4.34%,样本效率比随机采样高 4 倍以上。

  10. arXiv

    UltraStar 把超声探头导航从路径回归改为锚点全局定位,在 131 万样本上超越基线并随输入变长而扩展更好

    该工作提出 UltraStar,将超声心动图探头导航从路径回归重新表述为基于锚点的全局定位:用星型图把历史关键帧作为空间锚点直接连到当前视图以显式建模几何约束,并用语义感知采样从海量历史日志中挑选代表性标志点以减少冗余,在超过 131 万样本的数据集上实验显示其优于基线,且随输入长度增加扩展性更好,说明在带噪探索下星型拓扑是更有效的历史建模方式。