전체 글(276)
-
NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis (critic review)
회고 리뷰: NeRF (Mildenhall et al., ECCV 2020) — 2026년, 3D Gaussian Splatting 이후의 관점에서메타데이터논문: NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis (arXiv:2003.08934v2)저자: Mildenhall, Srinivasan, Tancik*, Barron, Ramamoorthi, Ng (UC Berkeley / Google Research / UCSD)게재처: ECCV 2020리뷰 관점: 2026년 11월 기준 회고(retrospective) 리뷰. 이 리뷰는 "제출 당시 받아들일 만했는가"가 아니라 "논문의 각 주장이 6년간의 후속 연구를 거친 뒤에도 유효..
13:30:30 -
TA-VLA: Elucidating the Design Space of Torque-aware Vision-Language-Action Models
TA-VLA: Elucidating the Design Space of Torque-aware Vision-Language-Action Models Beijing Academy of Artificial Intelligence (BAAI), Institute for AI Industry Research (AIR), Tsinghua Univeristy, Nanyang Technological University Abstract:많은 로봇 조작 작업은 작업이 성공적으로 완료되었는지 평가하고 폐쇄 루프 제어를 가능하게 하기 위해 토크와 같은 힘 신호를 감지하고 반응해야 합니다. 하지만 현재의 Vision-Language-Action (VLA) 모델들은 이러한 미묘한 신체 피드백을 통합하는 능력이 부족합니다.본..
2026.09.02 -
GEN-1.5: Embodied Foundation Models are One-Shot Learners
GEN-1.5: Embodied Foundation Models are One-Shot Learners GeneralistAI 인간은 단 한두 가지 예시만으로도 새로운 신체 기술을 놀라울 정도로 잘 수행할 수 있습니다. 우리의 최신 로봇 파운데이션 모델인 GEN-1.5는 바로 그 능력의 시작을 보여줍니다: 그래디언트 업데이트나 파인튜닝 없이도 단일 예시만으로 몇 초 만에 새로운 작업을 학습할 수 있습니다. 이 모델은 데모를 통한 원샷 및 퓨샷 학습뿐만 아니라 제로샷 물리 일반화에서도 폭넓은 성능을 보여줍니다. 과제들이 단순하고 단기간에 끝나는 것임에도 불구하고, 물리적 기술에 대해 원샷 및 퓨샷 학습이 대규모로 구현된 첫 번째 모델입니다. 우리는 이 결과를 물리적 세계를 위한 범용 지능 구축이라는 우리의..
2026.08.31 -
Tactile-VLA: Unlocking Vision-Language-Action Model's Physical Knowledge for Tactile Generalization
Tactile-VLA: Unlocking Vision-Language-Action Model's Physical Knowledge for Tactile Generalization Tsinghua University, UESTC, Shanghai Jiao Tong University AbstractVision-Language-Action (VLA) 모델은 비전과 언어 구성 요소가 가진 풍부한 암묵적 지식에 힘입어 놀라운 성과를 보여주었습니다. 하지만 범용 로봇 에이전트를 구현하려면 물리적 상호작용에 대한 정확한 이해가 필요하며, 특히 미세한 힘 제어가 필수적인 접촉이 많은 상황에서 더욱 그렇습니다. 우리는 VLA의 암묵적 지식을 단순히 무엇을 해야 하는지 파악하는 수준을 넘어, 실제 세계와 물리적으로 상호..
2026.08.24 -
Ground Slow, Move Fast: A Dual-System Foundation Model for Generalizable Vision-and-Language Navigation
Ground Slow, Move Fast: A Dual-System Foundation Model for Generalizable Vision-and-Language Navigation Shanghai AI Labaoratory, The University of Hong Kong, Zhejiang University, Tsinghua University Abstract최근 대규모 vision-language models (VLM)은 vision-language navigation (VLN)의 일반화를 개선했지만, 기존 방법은 일반적으로 비전-언어 입력을 단거리 이산 액션에 직접 매핑하는 종단 간 파이프라인에 의존합니다. 이러한 설계는 종종 파편화된 액션을 생성하고, 높은 latency를 초래하며, 동적 ..
2026.06.25 -
Qwen-RobotNav: A Scalable Navigation Model Designed for an Agentic Navigation System [Blog]
Qwen-RobotNav: A Scalable Navigation Model Designed for an Agentic Navigation System QwenTeam 에이전트 내비게이션 시스템에는 구성 가능한 내비게이션 컨텍스트 프로토콜을 갖춘 base 내비게이션 모델이 필요합니다: 명령 추적, 객체 검색, 목표 추적, 자율 주행은 동일한 인식-플래닝 백본을 공유하지만 시각적 스트림을 소비하기 위한 근본적으로 다른 맥락 전략을 요구합니다.LLM 도구 사용을 위한 모델 컨텍스트 프로토콜과 마찬가지로, 내비게이션 모델도 추론 시 이러한 다양한 컨텍스트 요구 사항을 관리하기 위해 표준화된 인터페이스가 필요합니다.Qwen-RobotNav는 Qwen3-VL을 기반으로 구축된 확장 가능한 내비게이션 모델로, 두 ..
2026.06.22