算法论文8
NUS邵林团队T(R,O) Grasp刷新抓取SOTA
机器之心
AI 摘要
新加坡国立大学邵林团队提出T (R,O) Grasp,构建图结构,经训练预测关节位姿矩阵,求解逆运动学问题。实验显示其性能超现有方法,在动态场景也能稳定抓取。
阅读原文 · 机器之心
ICRA 2026|NUS邵林团队提出T(R,O) Grasp:刷新跨智能体灵巧抓取SOTA,实现5FPS动态环境交互
新加坡国立大学邵林团队提出T (R,O) Grasp,这是基于物体—机器手空间关系建模的图扩散架构,有跨智能体统一表征能力,在多种智能体上平均抓取成功率达94.83%,刷新跨智能体灵巧抓取SOTA。

关注公众号
扫码关注
第一时间收到每日精选
相关文章
新闻资讯8
ICRA 2026开幕,中国力量成规则定义者
6月1日,IEEE国际机器人与自动化会议(ICRA 2026)将在维也纳开幕。今年投稿量4947篇破纪录,86个国家参与,1882篇论文被录用。热门方向有VLA模型、Sim - to - Real、3D感知,中国研究者从投稿大国迈向规则定义者。
AI科技评论
算法论文8
Jev刷屏,一年前已有类似思路
Jev刷屏引发AI面向决策输出的讨论,本文挖掘出香港中文大学徐强团队2025年9月就已提出显式概率、并行输出、面向决策的概率预测新范式,验证模型TimePrism以极简结构取得超越复杂模型的效果,思路与Jev异曲同工。
机器之心
算法论文9
对错之外,推理轨迹暗藏训练价值
本文结合EchoRL、ReflectRL两项最新研究,重新解读推理轨迹的训练价值,解决全答对无强化信号、错题全丢弃的训练痛点,梳理方法设计、实验结果与适用边界,为大模型推理训练提供新参考。
深度学习自然语言处理
算法论文8
小偏差为何带偏大模型RL训练
本文解读Together AI的新算法论文,讲解大模型强化学习中,采样端与训练端的微小偏差如何累积放大导致训练跑偏,介绍Score Centering校正方法的原理、效果与应用边界。
深度学习自然语言处理