上一篇
MarkItDown是什么？一文让你看懂MarkItDown的技术原理、主要功能、应用场景
EMMA-X是什么？一文让你看懂EMMA-X的技术原理、主要功能、应用场景
来源：卓商AI
发布时间：2025-04-05
关键字：
EMMA-X概述简介
EMMA-X是新加坡科技设计大学推出的具有70亿参数的具身多模态动作模型，在有根据的链式思维（CoT）推理数据上微调OpenVLA创建。EMMA-X结合层次化的具身数据集，包含3D空间运动、2D夹爪位置和有根据的推理，及推出一种新颖的轨迹分割策略，用夹爪的开合状态和机器人手臂的运动轨迹，增强有根据的任务推理和前瞻性空间推理，在真实世界的机器人任务中，尤其是在需要空间推理的任务上，取得显著的性能提升。
EMMA-X的功能特色
增强空间推理：基于预测夹爪的未来2D位置和3D运动计划，优化机器人的长期任务规划能力。
具体化任务规划：模型结合视觉和任务推理，生成适应环境的行动策略，提高机器人执行复杂任务的能力。
轨迹分割：用夹爪状态和机械臂运动轨迹，将操作序列分割成语义上相似的动作段，增强任务理解和运动规划。
减少幻觉问题：结合视觉图像和任务推理，减少任务推理过程中的误差和幻觉。
层次化规划数据生成：为每个操作段生成2D夹爪位置和3D空间运动，及具体化推理，支持机器人的决策过程。
EMMA-X的技术原理
层次化具身数据集：基于BridgeV2数据集构建，包含60,000条机器人操作轨迹，每条轨迹都附有详细的空间推理和任务推理信息。
前瞻性空间推理（Look-ahead Spatial Reasoning）：模型预测夹爪的未来位置和运动计划，指导机器人的即时动作与长期目标对齐。
轨迹分割策略：用HDBSCAN算法和自定义的距离度量方法，结合末端执行器的运动轨迹和夹爪状态，动态分割操作序列。
Gemini生成任务推理：用Gemini模型为每个分段生成子任务和具体化推理，提高任务理解的准确性。
EMMA-X架构：基于OpenVLA调整，链式思维训练增强空间推理和场景理解能力，预测下一步机器人的行动策略。
EMMA-X项目介绍
GitHub仓库：https://github.com/declare-lab/Emma-X
HuggingFace模型库：https://huggingface.co/declare-lab/Emma-X
arXiv技术论文：https://arxiv.org/pdf/2412.11974
EMMA-X能做什么？
制造业自动化：机器人用在组装、包装和质量控制等任务，提高生产线的效率和灵活性。
物流和仓储：在仓库中，帮助机器人进行货物的拣选、搬运和分类，优化存储空间和物流流程。
服务行业：在餐饮或酒店服务中，机器人完成复杂的任务，如烹饪辅助、房间清洁和物品递送。
医疗辅助：在医疗领域，机器人执行精细的操作，如在手术中的辅助操作或在实验室中处理样本。
家庭自动化：家庭服务机器人进行清洁、物品整理和其他家务活动，提高生活的便利性。
© 版权声明:本站所有原创文章版权均归卓商AI工具集及原创作者所有，未经允许任何个人、媒体、网站不得转载或以其他方式抄袭本站任何文章。
相关文章
-
CHANGER是什么？一文让你看懂CHANGER的技术原理、主要功能、应用场景2025-04-05 -
Kiroku是什么？一文让你看懂Kiroku的技术原理、主要功能、应用场景2025-04-05
-
Vision Search Assistant是什么？一文让你看懂Vision Search Assistant的技术原理、主要功能、应用场景2025-04-05
-
MVDrag3D是什么？一文让你看懂MVDrag3D的技术原理、主要功能、应用场景2025-04-05
-
Chonkie是什么？一文让你看懂Chonkie的技术原理、主要功能、应用场景2025-04-05
-
MSQA是什么？一文让你看懂MSQA的技术原理、主要功能、应用场景2025-04-05
卓商AI
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
最新发布
1
2
3
4
5
6
7
8
9
10
猜你喜欢
Exponent
Exponent 是一款协作式 AI 编程代理，旨在提升软件开发的效率与体验。它能够在多种环境中工作，从代码的探索到部署，能够帮助开发者自动化复杂的编...
Next.js
Next.js 是一个用于构建现代 React 应用程序的框架。它提供了许多功能和优势，包括服务器渲染、静态生成、热模块替换等。Next.js 的定价...
Vapi
Vapi 是一个为开发者设计的语音 AI 代理平台，支持企业从初创公司到财富 500 强的各种需求。其灵活的 API 设计和多种语言支持使得它在电话运...
Grimo
Grimo 是一个高效的 AI 文本编辑器，结合最新的 AI 模型，如 DeepSeek R1 和 OpenAI GPT-4，致力于提升用户的写作体验...
Audio Note
Audio Note是一个录音笔记APP。它可以把您的语音记录转化成文本,还可以用AI技术改写您的文本,生成各种格式的内容,如待办事项列表、推文、领英...
podscript
Podscript 是一个强大的音频转录工具，它利用语言模型和语音到文本（STT）API，为播客和其他音频内容生成高质量的转录文本。该工具支持多种流行...
Azure Quantum
Azure Quantum 是微软推出的量子计算平台，旨在通过先进的量子计算技术加速科学研究和材料科学领域的发现。它通过结合人工智能、高性能计算和量子...
Summio
Summio是一款基于AI的销售自动化工具，能够自动化销售过程中的潜在客户开发、资格认定和会议安排，帮助销售团队提高效率。它能够根据潜在客户在网上的信...
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
