标签
本文介绍了TT4D，这是一种新颖的Pipeline和大规模数据集，旨在从单目视频中重建乒乓球比赛的4D场景。该方案采用独特的“先升维”策略，在进行时间分割之前，先估计乒乓球的3D轨迹和旋转，从而即使在存在遮挡的情况下也能实现稳健的重建。
National Robotics Week 期间，NVIDIA 重点展示了其在物理AI和机器人领域的突破，宣布了多项新技术，包括用于自然语言指令理解的NVIDIA Isaac GR00T开源模型、用于合成数据生成的Cosmos世界模型、Newton 1.0物理引擎，以及借助Isaac Sim 6.0和Isaac Lab 3.0扩展的仿真能力，从而加速机器人从训练到现实部署的开发进程。
本文探讨了由于莫拉维克悖论（Moravec's paradox）给机器人编程带来的挑战，并提出通过机器人学习来实现具身智能作为解决方案。
OpenAI 于 2019 年 4 月 27 日举办了首届机器人研讨会，汇聚了机器人学和机器学习领域的专家，讨论学习型机器人，并展示了其类人机器人手臂如何利用视觉和强化学习来解决操作任务。
OpenAI 提出了一种用于机器人学习的非对称演员-评论家方法，该方法利用模拟器中的完全状态可观性来训练在部分观察（RGBD 图像）上运行的策略，无需真实世界的训练数据即可实现有效的仿真到现实的转移。