上一篇
MarkItDown是什么？一文让你看懂MarkItDown的技术原理、主要功能、应用场景
EMMA-X是什么？一文让你看懂EMMA-X的技术原理、主要功能、应用场景
来源：卓商AI
发布时间：2025-04-05
关键字：
EMMA-X概述简介
EMMA-X是新加坡科技设计大学推出的具有70亿参数的具身多模态动作模型，在有根据的链式思维（CoT）推理数据上微调OpenVLA创建。EMMA-X结合层次化的具身数据集，包含3D空间运动、2D夹爪位置和有根据的推理，及推出一种新颖的轨迹分割策略，用夹爪的开合状态和机器人手臂的运动轨迹，增强有根据的任务推理和前瞻性空间推理，在真实世界的机器人任务中，尤其是在需要空间推理的任务上，取得显著的性能提升。
EMMA-X的功能特色
增强空间推理：基于预测夹爪的未来2D位置和3D运动计划，优化机器人的长期任务规划能力。
具体化任务规划：模型结合视觉和任务推理，生成适应环境的行动策略，提高机器人执行复杂任务的能力。
轨迹分割：用夹爪状态和机械臂运动轨迹，将操作序列分割成语义上相似的动作段，增强任务理解和运动规划。
减少幻觉问题：结合视觉图像和任务推理，减少任务推理过程中的误差和幻觉。
层次化规划数据生成：为每个操作段生成2D夹爪位置和3D空间运动，及具体化推理，支持机器人的决策过程。
EMMA-X的技术原理
层次化具身数据集：基于BridgeV2数据集构建，包含60,000条机器人操作轨迹，每条轨迹都附有详细的空间推理和任务推理信息。
前瞻性空间推理（Look-ahead Spatial Reasoning）：模型预测夹爪的未来位置和运动计划，指导机器人的即时动作与长期目标对齐。
轨迹分割策略：用HDBSCAN算法和自定义的距离度量方法，结合末端执行器的运动轨迹和夹爪状态，动态分割操作序列。
Gemini生成任务推理：用Gemini模型为每个分段生成子任务和具体化推理，提高任务理解的准确性。
EMMA-X架构：基于OpenVLA调整，链式思维训练增强空间推理和场景理解能力，预测下一步机器人的行动策略。
EMMA-X项目介绍
GitHub仓库：https://github.com/declare-lab/Emma-X
HuggingFace模型库：https://huggingface.co/declare-lab/Emma-X
arXiv技术论文：https://arxiv.org/pdf/2412.11974
EMMA-X能做什么？
制造业自动化：机器人用在组装、包装和质量控制等任务，提高生产线的效率和灵活性。
物流和仓储：在仓库中，帮助机器人进行货物的拣选、搬运和分类，优化存储空间和物流流程。
服务行业：在餐饮或酒店服务中，机器人完成复杂的任务，如烹饪辅助、房间清洁和物品递送。
医疗辅助：在医疗领域，机器人执行精细的操作，如在手术中的辅助操作或在实验室中处理样本。
家庭自动化：家庭服务机器人进行清洁、物品整理和其他家务活动，提高生活的便利性。
© 版权声明:本站所有原创文章版权均归卓商AI工具集及原创作者所有，未经允许任何个人、媒体、网站不得转载或以其他方式抄袭本站任何文章。
相关文章
-
CHANGER是什么？一文让你看懂CHANGER的技术原理、主要功能、应用场景2025-04-05 -
Kiroku是什么？一文让你看懂Kiroku的技术原理、主要功能、应用场景2025-04-05
-
Vision Search Assistant是什么？一文让你看懂Vision Search Assistant的技术原理、主要功能、应用场景2025-04-05
-
MVDrag3D是什么？一文让你看懂MVDrag3D的技术原理、主要功能、应用场景2025-04-05
-
Chonkie是什么？一文让你看懂Chonkie的技术原理、主要功能、应用场景2025-04-05
-
MSQA是什么？一文让你看懂MSQA的技术原理、主要功能、应用场景2025-04-05
卓商AI
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
最新发布
1
2
3
4
5
6
7
8
9
10
猜你喜欢
Prentus | Job Tracker, AI Networking, & Application Helper
Prentus是一款能够帮助您更快地找到理想工作的插件。它集职位追踪、扩展社交网络和AI辅助快速申请于一体。您可以追踪职位、扩展人脉网络，并利用AI辅...
ElevenLabs Audio Isolation API
Audio Isolation 是 ElevenLabs 提供的一项在线音频处理服务，专注于从音频中分离出人声或背景音乐。这项技术在音乐制作、视频后期...
Guide
Guide是一款利用人工智能秒速创建个性化旅行行程的应用。我们利用网络资源为您寻找最佳景点，让您无需费心。您可以根据自己的旅行偏好定制推荐。Guide...
42Signals
42Signals是一种基于人工智能的解决方案套件，帮助消费品牌预测消费者需求，追踪竞争对手，优化数字货架，并促进在线销售增长。通过电子商务洞察，我们...
AI 专辑封面生成器
AI 专辑封面生成器是一款利用人工智能技术帮助用户快速生成专业品质音乐封面的工具。它通过用户输入的提示（Prompt）和图片尺寸，快速生成具有创意且视...
askrepo
askrepo是一个基于LLM（大型语言模型）的源代码阅读工具，它能够读取Git管理的文本文件内容，发送至Google Gemini API，并根据指...
Teamsaver
Teamsaver 是一款通过自动化技术帮助团队高效管理日常更新的工具。它利用 AI 技术通过邮件收集团队成员的每日进展，并自动生成简洁的总结报告，帮...
MathΣtral
MathΣtral是一款为数学推理和科学发现而设计的7B规模的AI模型，拥有32k的上下文窗口，发布于Apache 2.0许可下。它在多步复杂逻辑推理...
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
