🔥 Trending today
π0 and π0-FAST: Vision-Language-Action Models for General Robot Control★ 85
Hugging Face Blog483d agoRelease機器人 AI 新創公司 Physical Intelligence 在 Hugging Face 上開源了其通用機器人基礎模型 π0 及其加速版本 π0-FAST。這款視覺-語言-動作（VLA）模型能透過文字與視覺指令控制多種不同硬體的機器人，執行摺衣服、收拾雜物等複雜任務。π0-FAST 則大幅提升了推理速度，滿足高頻率實時控制的需求，為開源實體 AI 領域帶來重大突破。
Scaling robotics datasets with video encoding★ 70
Hugging Face Blog644d agoTutorial機器人學習（如模仿學習）需要大量的多視角相機數據，傳統以獨立圖片儲存會導致硬碟與網路傳輸極大負擔。Hugging Face 團隊分享了如何透過影片編碼（如 H.264/MP4）與優化關鍵影格（GOP）設定，在維持高訓練讀取效能的前提下，將數據集體積壓縮 10 到 50 倍，並整合至 LeRobot 生態系中。
Pollen-Vision: Unified interface for Zero-Shot vision models in robotics★ 75
Hugging Face Blog799d agoNew ToolPollen-Vision 是一個專為機器人設計的開源視覺庫，旨在簡化 Zero-Shot（零樣本）視覺模型（如 OWL-ViT、SAM 等）的整合。它提供統一的 API，讓機器人無需重新訓練即可透過自然語言或點擊來識別與定位物體。此工具能顯著降低機器人視覺開發的門檻，加速具身智能（Embodied AI）的應用落地。
← PreviousPage 2