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
Truecaller
Truecaller是一个全球领先的平台，致力于验证联系人和阻止不受欢迎的通信。它使人们之间的安全和相关对话成为可能，并使企业与消费者之间的联系更加高...
Meditron
Meditron 是一套开源的医学大型语言模型（LLM）套件。它通过对一份经过综合筛选的医学语料库进行持续预训练，包括选定的 PubMed 论文和摘要...
TME Studio
TME Studio是一款为音乐爱好者提供的创作工具。它包括音乐分离、MIR计算、辅助写词、智能曲谱等功能。用户可以上传任意歌曲，分离出其中的人声和乐...
Ponzu
Ponzukey是一个AI生成PBR纹理贴图的在线工具，帮助用户在几秒钟内实现任何创意。通过使用Ponzukey，用户可以快速生成逼真的PBR贴图，包...
audioread
Audioread将AI的力量放在播客播放器中，使您可以轻松地“阅读”文章，电子邮件，PDF等，而无需停止和阅读。锻炼或做家务时聆听，永远不要错过任何...
Graphusion
Graphusion是一个用于从文本中提取知识图谱三元组的管道工具。它通过一系列步骤，包括概念提取、候选三元组提取和三元组融合，来构建知识图谱。这个工...
ECSPY
ECSPY是一款专为电商卖家设计的智能电商分析工具。它利用AI技术帮助用户分析店铺数据、监控竞争对手、发现市场机会，使运营决策更加精准和高效。ECSP...
Data Science Agent in Colab
Data Science Agent in Colab 是 Google 推出的一款基于 Gemini 的智能工具，旨在简化数据科学工作流程。它通过自...
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。
