Polaris: Open-ended Interactive Robotic Manipulation via Syn2Real Visual Grounding and Large Language Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Wang, Tianyu, Lin, Haitao, Yu, Junqiu, Fu, Yanwei |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
You Only Estimate Once: Unified, One-stage, Real-Time Category-level Articulated Object 6D Pose Estimation for Robotic Grasping
par: Huang, Jingshun, et autres
Publié: (2025)
par: Huang, Jingshun, et autres
Publié: (2025)
RoboUniView: Visual-Language Model with Unified View Representation for Robotic Manipulation
par: Liu, Fanfan, et autres
Publié: (2024)
par: Liu, Fanfan, et autres
Publié: (2024)
SparseGrasp: Robotic Grasping via 3D Semantic Gaussian Splatting from Sparse Multi-View RGB Images
par: Yu, Junqiu, et autres
Publié: (2024)
par: Yu, Junqiu, et autres
Publié: (2024)
RoboOmni: Proactive Robot Manipulation in Omni-modal Context
par: Wang, Siyin, et autres
Publié: (2025)
par: Wang, Siyin, et autres
Publié: (2025)
VLABench: A Large-Scale Benchmark for Language-Conditioned Robotics Manipulation with Long-Horizon Reasoning Tasks
par: Zhang, Shiduo, et autres
Publié: (2024)
par: Zhang, Shiduo, et autres
Publié: (2024)
CAP-Net: A Unified Network for 6D Pose and Size Estimation of Categorical Articulated Parts from a Single RGB-D Image
par: Huang, Jingshun, et autres
Publié: (2025)
par: Huang, Jingshun, et autres
Publié: (2025)
RoboGround: Robotic Manipulation with Grounded Vision-Language Priors
par: Huang, Haifeng, et autres
Publié: (2025)
par: Huang, Haifeng, et autres
Publié: (2025)
A Neural Representation Framework with LLM-Driven Spatial Reasoning for Open-Vocabulary 3D Visual Grounding
par: Liu, Zhenyang, et autres
Publié: (2025)
par: Liu, Zhenyang, et autres
Publié: (2025)
Virtual Community: An Open World for Humans, Robots, and Society
par: Zhou, Qinhong, et autres
Publié: (2025)
par: Zhou, Qinhong, et autres
Publié: (2025)
ABot-M0: VLA Foundation Model for Robotic Manipulation with Action Manifold Learning
par: Yang, Yandan, et autres
Publié: (2026)
par: Yang, Yandan, et autres
Publié: (2026)
DivScene: Towards Open-Vocabulary Object Navigation with Large Vision Language Models in Diverse Scenes
par: Wang, Zhaowei, et autres
Publié: (2024)
par: Wang, Zhaowei, et autres
Publié: (2024)
Hierarchical Open-Vocabulary 3D Scene Graphs for Language-Grounded Robot Navigation
par: Werby, Abdelrhman, et autres
Publié: (2024)
par: Werby, Abdelrhman, et autres
Publié: (2024)
RoboTrustBench: Benchmarking the Trustworthiness of Video World Models for Robotic Manipulation
par: Li, Huiqiong, et autres
Publié: (2026)
par: Li, Huiqiong, et autres
Publié: (2026)
Open-Vocabulary Mobile Manipulation Based on Double Relaxed Contrastive Learning with Dense Labeling
par: Yashima, Daichi, et autres
Publié: (2024)
par: Yashima, Daichi, et autres
Publié: (2024)
IntentVLA: Short-Horizon Intent Modeling for Aliased Robot Manipulation
par: Lian, Shijie, et autres
Publié: (2026)
par: Lian, Shijie, et autres
Publié: (2026)
Probing Collision Grounding in Vision-Language Models for Safe Human-Robot Collaboration
par: Wang, Jun, et autres
Publié: (2026)
par: Wang, Jun, et autres
Publié: (2026)
GenSim: Generating Robotic Simulation Tasks via Large Language Models
par: Wang, Lirui, et autres
Publié: (2023)
par: Wang, Lirui, et autres
Publié: (2023)
Mitigating the Human-Robot Domain Discrepancy in Visual Pre-training for Robotic Manipulation
par: Zhou, Jiaming, et autres
Publié: (2024)
par: Zhou, Jiaming, et autres
Publié: (2024)
LAC-Net: Linear-Fusion Attention-Guided Convolutional Network for Accurate Robotic Grasping Under the Occlusion
par: Zhang, Jinyu, et autres
Publié: (2024)
par: Zhang, Jinyu, et autres
Publié: (2024)
How Can Large Language Models Enable Better Socially Assistive Human-Robot Interaction: A Brief Survey
par: Shi, Zhonghao, et autres
Publié: (2024)
par: Shi, Zhonghao, et autres
Publié: (2024)
CogACT: A Foundational Vision-Language-Action Model for Synergizing Cognition and Action in Robotic Manipulation
par: Li, Qixiu, et autres
Publié: (2024)
par: Li, Qixiu, et autres
Publié: (2024)
EgoActor: Grounding Task Planning into Spatial-aware Egocentric Actions for Humanoid Robots via Visual-Language Models
par: Bai, Yu, et autres
Publié: (2026)
par: Bai, Yu, et autres
Publié: (2026)
OpenFrontier: General Navigation with Visual-Language Grounded Frontiers
par: Padilla-Cerdio, Esteban, et autres
Publié: (2026)
par: Padilla-Cerdio, Esteban, et autres
Publié: (2026)
Signs of Language: Embodied Sign Language Fingerspelling Acquisition from Demonstrations for Human-Robot Interaction
par: Tavella, Federico, et autres
Publié: (2022)
par: Tavella, Federico, et autres
Publié: (2022)
SynHLMA:Synthesizing Hand Language Manipulation for Articulated Object with Discrete Human Object Interaction Representation
par: zhi, Wang, et autres
Publié: (2025)
par: zhi, Wang, et autres
Publié: (2025)
Physically Grounded Vision-Language Models for Robotic Manipulation
par: Gao, Jensen, et autres
Publié: (2023)
par: Gao, Jensen, et autres
Publié: (2023)
ProGAL-VLA: Grounded Alignment through Prospective Reasoning in Vision-Language-Action Models
par: Darabi, Nastaran, et autres
Publié: (2026)
par: Darabi, Nastaran, et autres
Publié: (2026)
Semantic-Drive: Democratizing Long-Tail Data Curation via Open-Vocabulary Grounding and Neuro-Symbolic VLM Consensus
par: Guillen-Perez, Antonio
Publié: (2025)
par: Guillen-Perez, Antonio
Publié: (2025)
Manipulate-Anything: Automating Real-World Robots using Vision-Language Models
par: Duan, Jiafei, et autres
Publié: (2024)
par: Duan, Jiafei, et autres
Publié: (2024)
SynAgent: Generalizable Cooperative Humanoid Manipulation via Solo-to-Cooperative Agent Synergy
par: Yao, Wei, et autres
Publié: (2026)
par: Yao, Wei, et autres
Publié: (2026)
SOLE-R1: Video-Language Reasoning as the Sole Reward for On-Robot Reinforcement Learning
par: Schroeder, Philip, et autres
Publié: (2026)
par: Schroeder, Philip, et autres
Publié: (2026)
Gondola: Grounded Vision Language Planning for Generalizable Robotic Manipulation
par: Chen, Shizhe, et autres
Publié: (2025)
par: Chen, Shizhe, et autres
Publié: (2025)
HRIBench: Benchmarking Vision-Language Models for Real-Time Human Perception in Human-Robot Interaction
par: Shi, Zhonghao, et autres
Publié: (2025)
par: Shi, Zhonghao, et autres
Publié: (2025)
RealD$^2$iff: Bridging Real-World Gap in Robot Manipulation via Depth Diffusion
par: Liang, Xiujian, et autres
Publié: (2025)
par: Liang, Xiujian, et autres
Publié: (2025)
RC-NF: Robot-Conditioned Normalizing Flow for Real-Time Anomaly Detection in Robotic Manipulation
par: Zhou, Shijie, et autres
Publié: (2026)
par: Zhou, Shijie, et autres
Publié: (2026)
Universal Pose Pretraining for Generalizable Vision-Language-Action Policies
par: Lin, Haitao, et autres
Publié: (2026)
par: Lin, Haitao, et autres
Publié: (2026)
A Superalignment Framework in Autonomous Driving with Large Language Models
par: Kong, Xiangrui, et autres
Publié: (2024)
par: Kong, Xiangrui, et autres
Publié: (2024)
Moto: Latent Motion Token as the Bridging Language for Learning Robot Manipulation from Videos
par: Chen, Yi, et autres
Publié: (2024)
par: Chen, Yi, et autres
Publié: (2024)
SeeGround: See and Ground for Zero-Shot Open-Vocabulary 3D Visual Grounding
par: Li, Rong, et autres
Publié: (2024)
par: Li, Rong, et autres
Publié: (2024)
REMAC: Self-Reflective and Self-Evolving Multi-Agent Collaboration for Long-Horizon Robot Manipulation
par: Yuan, Puzhen, et autres
Publié: (2025)
par: Yuan, Puzhen, et autres
Publié: (2025)
Documents similaires
-
You Only Estimate Once: Unified, One-stage, Real-Time Category-level Articulated Object 6D Pose Estimation for Robotic Grasping
par: Huang, Jingshun, et autres
Publié: (2025) -
RoboUniView: Visual-Language Model with Unified View Representation for Robotic Manipulation
par: Liu, Fanfan, et autres
Publié: (2024) -
SparseGrasp: Robotic Grasping via 3D Semantic Gaussian Splatting from Sparse Multi-View RGB Images
par: Yu, Junqiu, et autres
Publié: (2024) -
RoboOmni: Proactive Robot Manipulation in Omni-modal Context
par: Wang, Siyin, et autres
Publié: (2025) -
VLABench: A Large-Scale Benchmark for Language-Conditioned Robotics Manipulation with Long-Horizon Reasoning Tasks
par: Zhang, Shiduo, et autres
Publié: (2024)