Roboterrichtlinien

Forschung

Manipulate-Anything: Automatisierung realer Roboter mithilfe von Vision-Language-Modellen [CoRL 2024]

Forschung

Eine Open-Source-Implementierung der Multitask Diffusion Transformer (DiT)-Richtlinie zur Robotermanipulation, wie sie im Boston Dynamics Atlas Humanoid und in „A Careful Examination of Large Behavior…“ zu sehen ist.

Forschung

Visionsbasierte humanoide Fortbewegung

Forschung

Offizielle Umsetzung des ICLR 2024-Spotlight-Papiers: Universal Humanoid Motion Representations for Physics-Based Control

Forschung

Der vom ICLR'26 akzeptierte Code des Papiers „From Language to Locomotion: Retargeting-free Humanoid Control via Motion Latent Guidance“.

Forschung

Ein proaktives Robotermanipulationsmodell für multimodale physische Umgebungen

Forschung

Wir präsentieren den ersten erfolgreichen Einsatz eines auf Ganzkörperproben basierenden MPC-Systems an einem realen Vierbeinerroboter. Unser Ansatz ermöglicht eine kontaktreiche Fortbewegung und Manipulation in Echtzeit mithilfe von…

Forschung

RynnValue: Skalierung von Robotic Value Foundation-Modellen mit zeitlicher Distanz

Forschung

Dies ist das Code-Repo für den Artikel „Depolying Ten Thousand Robots: Scalable Imitation Learning for Lifelong Mulit-Agent Path Finding“, der den ICRA 2025 als bester Artikel über Multi-Roboter-Systeme gewann und…

Forschung

Die offizielle Umsetzung des Papiers „Scaling Behavior Foundation Model for Humanoid Robots“

Forschung

Offizielle Implementierung von SimToolReal: Eine objektzentrierte Richtlinie für die geschickte Manipulation von Werkzeugen ohne Schuss

Forschung

Offizielle Implementierung des Universal Humanoid Controllers in Mujoco. Unterstützt Kinpoly (NeurIPS 2021) und EmbodiedPose (NeurIPS 2022).

Forschung

Repository für unseren Artikel: Learning Agile Skills via Adversarial Imitation of Rough Partial Demonstrations Proceedings of the 6th Conference on Robot Learning (CoRL),

Forschung

Erlernen der geschickten Ganzkörper-Bewegungsmanipulation durch Mensch-Objekt-Interaktionen

Forschung

XRZero-G0: Mit Schnittstellen, Qualität und Verhältnissen die Grenzen der geschickten Robotermanipulation erweitern

Forschung

Code für meinen Aufsatz „Man unterrichtet nur einmal: Lernen Sie bimanuelle Robotermanipulation mit einem Schuss anhand von Videodemonstrationen“