Towards Natural Language-Driven Assembly Using Foundation Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Joglekar, Omkar, Lancewicki, Tal, Kozlovsky, Shir, Tchuiev, Vladimir, Feldman, Zohar, Di Castro, Dotan |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
ISCUTE: Instance Segmentation of Cables Using Text Embedding
par: Kozlovsky, Shir, et autres
Publié: (2024)
par: Kozlovsky, Shir, et autres
Publié: (2024)
Gradient-Free Training of Quantized Neural Networks
par: Cohen, Noa, et autres
Publié: (2024)
par: Cohen, Noa, et autres
Publié: (2024)
Towards General Modality Translation with Contrastive and Predictive Latent Diffusion Bridge
par: Berman, Nimrod, et autres
Publié: (2025)
par: Berman, Nimrod, et autres
Publié: (2025)
Robot Instance Segmentation with Few Annotations for Grasping
par: Kimhi, Moshe, et autres
Publié: (2024)
par: Kimhi, Moshe, et autres
Publié: (2024)
How Good are Foundation Models in Step-by-Step Embodied Reasoning?
par: Dissanayake, Dinura, et autres
Publié: (2025)
par: Dissanayake, Dinura, et autres
Publié: (2025)
Radar Spectra-Language Model for Automotive Scene Parsing
par: Pushkareva, Mariia, et autres
Publié: (2024)
par: Pushkareva, Mariia, et autres
Publié: (2024)
Understanding the Impact of Geometric Foundation Models on Vision-Language-Action Models
par: Yang, Yurou, et autres
Publié: (2026)
par: Yang, Yurou, et autres
Publié: (2026)
Overview of Computer Vision Techniques in Robotized Wire Harness Assembly: Current State and Future Opportunities
par: Wang, Hao, et autres
Publié: (2023)
par: Wang, Hao, et autres
Publié: (2023)
QueryAdapter: Rapid Adaptation of Vision-Language Models in Response to Natural Language Queries
par: Chapman, Nicolas Harvey, et autres
Publié: (2025)
par: Chapman, Nicolas Harvey, et autres
Publié: (2025)
Language-Driven 6-DoF Grasp Detection Using Negative Prompt Guidance
par: Nguyen, Toan, et autres
Publié: (2024)
par: Nguyen, Toan, et autres
Publié: (2024)
FM-Fusion: Instance-aware Semantic Mapping Boosted by Vision-Language Foundation Models
par: Liu, Chuhao, et autres
Publié: (2024)
par: Liu, Chuhao, et autres
Publié: (2024)
A Systematic Literature Review of Computer Vision Applications in Robotized Wire Harness Assembly
par: Wang, Hao, et autres
Publié: (2023)
par: Wang, Hao, et autres
Publié: (2023)
FOMO-3D: Using Vision Foundation Models for Long-Tailed 3D Object Detection
par: Yang, Anqi Joyce, et autres
Publié: (2026)
par: Yang, Anqi Joyce, et autres
Publié: (2026)
Towards Open-World Grasping with Large Vision-Language Models
par: Tziafas, Georgios, et autres
Publié: (2024)
par: Tziafas, Georgios, et autres
Publié: (2024)
NaturalVLM: Leveraging Fine-grained Natural Language for Affordance-Guided Visual Manipulation
par: Xu, Ran, et autres
Publié: (2024)
par: Xu, Ran, et autres
Publié: (2024)
A Pragmatic VLA Foundation Model
par: Wu, Wei, et autres
Publié: (2026)
par: Wu, Wei, et autres
Publié: (2026)
SketchPlan: Diffusion Based Drone Planning From Human Sketches
par: Norelius, Sixten, et autres
Publié: (2025)
par: Norelius, Sixten, et autres
Publié: (2025)
Towards a Generalizable Bimanual Foundation Policy via Flow-based Video Prediction
par: Fan, Chenyou, et autres
Publié: (2025)
par: Fan, Chenyou, et autres
Publié: (2025)
Generative Event Pretraining with Foundation Model Alignment
par: Cao, Jianwen, et autres
Publié: (2026)
par: Cao, Jianwen, et autres
Publié: (2026)
Few-Shot Panoptic Segmentation With Foundation Models
par: Käppeler, Markus, et autres
Publié: (2023)
par: Käppeler, Markus, et autres
Publié: (2023)
Foundation Feature-Driven Online End-Effector Pose Estimation: A Marker-Free and Learning-Free Approach
par: Wu, Tianshu, et autres
Publié: (2025)
par: Wu, Tianshu, et autres
Publié: (2025)
StableVLA: Towards Robust Vision-Language-Action Models without Extra Data
par: Fu, Yiyang, et autres
Publié: (2026)
par: Fu, Yiyang, et autres
Publié: (2026)
CogVLA: Cognition-Aligned Vision-Language-Action Model via Instruction-Driven Routing & Sparsification
par: Li, Wei, et autres
Publié: (2025)
par: Li, Wei, et autres
Publié: (2025)
Automating Deformable Gasket Assembly
par: Adebola, Simeon, et autres
Publié: (2024)
par: Adebola, Simeon, et autres
Publié: (2024)
LIBERO-PRO: Towards Robust and Fair Evaluation of Vision-Language-Action Models Beyond Memorization
par: Zhou, Xueyang, et autres
Publié: (2025)
par: Zhou, Xueyang, et autres
Publié: (2025)
FASTer: Toward Efficient Autoregressive Vision Language Action Modeling via Neural Action Tokenization
par: Liu, Yicheng, et autres
Publié: (2025)
par: Liu, Yicheng, et autres
Publié: (2025)
SaPaVe: Towards Active Perception and Manipulation in Vision-Language-Action Models for Robotics
par: Liu, Mengzhen, et autres
Publié: (2026)
par: Liu, Mengzhen, et autres
Publié: (2026)
TinyVLA: Towards Fast, Data-Efficient Vision-Language-Action Models for Robotic Manipulation
par: Wen, Junjie, et autres
Publié: (2024)
par: Wen, Junjie, et autres
Publié: (2024)
Component Selection for Craft Assembly Tasks
par: Isume, Vitor Hideyo, et autres
Publié: (2024)
par: Isume, Vitor Hideyo, et autres
Publié: (2024)
CronusVLA: Towards Efficient and Robust Manipulation via Multi-Frame Vision-Language-Action Modeling
par: Li, Hao, et autres
Publié: (2025)
par: Li, Hao, et autres
Publié: (2025)
Experimental Study on Automatically Assembling Custom Catering Packages With a 3-DOF Delta Robot Using Deep Learning Methods
par: Yourdkhani, Reihaneh, et autres
Publié: (2025)
par: Yourdkhani, Reihaneh, et autres
Publié: (2025)
4D Radar Semantic Segmentation of People in Field Conditions Using Temporal Multi-View Networks
par: Skog, Mikael, et autres
Publié: (2024)
par: Skog, Mikael, et autres
Publié: (2024)
CapNav: Benchmarking Vision Language Models on Capability-conditioned Indoor Navigation
par: Su, Xia, et autres
Publié: (2026)
par: Su, Xia, et autres
Publié: (2026)
ReVLA: Reverting Visual Domain Limitation of Robotic Foundation Models
par: Dey, Sombit, et autres
Publié: (2024)
par: Dey, Sombit, et autres
Publié: (2024)
From Seeing to Experiencing: Scaling Navigation Foundation Models with Reinforcement Learning
par: He, Honglin, et autres
Publié: (2025)
par: He, Honglin, et autres
Publié: (2025)
Semi-autonomous Prosthesis Control Using Minimal Depth Information and Vibrotactile Feedback
par: Castro, Miguel Nobre, et autres
Publié: (2022)
par: Castro, Miguel Nobre, et autres
Publié: (2022)
MiVLA: Towards Generalizable Vision-Language-Action Model with Human-Robot Mutual Imitation Pre-training
par: Yin, Zhenhan, et autres
Publié: (2025)
par: Yin, Zhenhan, et autres
Publié: (2025)
LIT: Large Language Model Driven Intention Tracking for Proactive Human-Robot Collaboration -- A Robot Sous-Chef Application
par: Huang, Zhe, et autres
Publié: (2024)
par: Huang, Zhe, et autres
Publié: (2024)
Improving Robustness of Vision-Language-Action Models by Restoring Corrupted Visual Inputs
par: Orjuela, Daniel Yezid Guarnizo, et autres
Publié: (2026)
par: Orjuela, Daniel Yezid Guarnizo, et autres
Publié: (2026)
Mobile Robot Navigation Using Hand-Drawn Maps: A Vision Language Model Approach
par: Tan, Aaron Hao, et autres
Publié: (2025)
par: Tan, Aaron Hao, et autres
Publié: (2025)
Documents similaires
-
ISCUTE: Instance Segmentation of Cables Using Text Embedding
par: Kozlovsky, Shir, et autres
Publié: (2024) -
Gradient-Free Training of Quantized Neural Networks
par: Cohen, Noa, et autres
Publié: (2024) -
Towards General Modality Translation with Contrastive and Predictive Latent Diffusion Bridge
par: Berman, Nimrod, et autres
Publié: (2025) -
Robot Instance Segmentation with Few Annotations for Grasping
par: Kimhi, Moshe, et autres
Publié: (2024) -
How Good are Foundation Models in Step-by-Step Embodied Reasoning?
par: Dissanayake, Dinura, et autres
Publié: (2025)