Tag · 3 篇
具身智能
分布 3D 视觉与重建1视觉语言模型1强化学习与具身智能1
01 02 03
SAGE：面向具身智能的可扩展智能体式 3D 场景生成
SAGE: Scalable Agentic 3D Scene Generation for Embodied AI
把布局生成器与物体组合生成器同语义合理性、视觉真实感、物理稳定性三类 critic 组成闭环，通过迭代推理与自适应工具选择自精炼场景，可直接产出仿真器可用的 3D 环境用于策略训练；对做 3D 场景合成与具身数据扩增的视觉研究者，这是一套可复用的「生成器+评审器」自精炼管线。
基于视觉语言模型的循环推理用于估计长时程具身任务进度
Recurrent Reasoning with Vision-Language Models for Estimating Long-Horizon Embodied Task Progress
提出循环推理框架，用不断演化的思维链（CoT）记录任务分解与完成状态，迭代处理局部视频片段，避免长视频的高计算成本，为视觉语言模型在长时序视频推理中提供可复用方案。
DRAMA：面向动态环境中弹性多智能体生态的下一代动态编排
DRAMA: Next-Gen Dynamic Orchestration for Resilient Multi-Agent Ecosystems in Flux
DRAMA 的多层架构与事件触发重调度机制可被视觉研究者用于设计动态多机器人协作系统，其集体空间智能模块整合分布式观测进行预测推理，为多视角视觉感知与决策融合提供可复用框架。