Splat2Act：基于场景扫描实现个性化 VLA 机器人抓取控制
预印本摘要称，研究者提出了 Splat2Act 自动化虚实迁移流水线，仅凭手持手机扫描和用户物体图片，即可将预训练视觉语言动作策略适配到具体建筑场景与物体。该方案结合 3D Gaussian Splatting 与碰撞几何构建数字孪生并自动生成抓取演示，在 101 个扫描环境中生成逾 6.8 万条演示数据。
业务关注点：研究展示了仅靠手机扫描与仿真数据个性化微调通用机器人策略的路径，为降低真实环境演示采集成本提供了参考。
业务场景与技术
空间与视觉智能 最新动态
4D占用、多视角融合、VLM/VLA及视觉证据；不把视频效果直接当作生产状态或安全结论。
2 条精选近 30 天 2 条共收录 5 条
更新
空间与视觉智能的精选
arXiv · 工业智能研究摘要精选
九识智能｜中文技术与产品动态精选 九识智能建成近1.5万卡算力集群并推出车云协同多模态大模型架构
九识宣布搭建近1.5万卡GPU算力集群，并推出由APEX基座世界模型驱动的车云联动大模型架构。该方案在30km/h以上道路使用车端端到端模型，在5至30km/h路况调用云端VLA增强理解，在0至5km/h脱困场景引入安全员Agent协助决策。官方称百亿级参数APEX世界模型正迈向千亿规模，结合2.7亿公里L4运营里程回流数据进行蒸馏下沉，以适配多款RoboVan车型。
业务关注点：原文给出了近1.5万卡集群规模及车云分层部署方案，读者可据此观察末端物流L4向大模型车云协同演进的具体技术路径。