GroundingPI: 로봇에게 행동보다 먼저 ‘어디’를 가르친다
GroundingPI는 점·박스를 공유 어휘로 생성하는 지각 기반 모델이다. 정밀한 위치 감독이 로봇 정책으로 전이되는 근거와, 시뮬레이션·오픈루프 평가 및 공개 모델의 한계를 구분한다.
Tag3 posts
#Vision-Language-Action
글 목록
PhysBrain 1.5: 이해·동작·미래 상태를 하나의 토큰 모델로 묶다
PhysBrain 1.5는 언어·손목 궤적·미래 RGB·깊이·마스크를 공동 학습한다. 체화 이해 평가의 강점과 실제 로봇 실행으로 아직 입증하지 않은 범위를 구분한다.
ReferTrack은 ‘누구’를 먼저 가리킨 뒤 ‘어디로’ 갈지 결정한다
ReferTrack은 자연어로 지정된 보행자를 indexed bounding box 중 하나로 먼저 고르는 Refer-CoT와, 선택한 box의 시간적 궤적을 보존하는 TVBI memory를 결합해 단일 전방 카메라 embodied visual tra...