Buchumschlag

IKEA Manuals at Work: 4D Grounding of Assembly Instructions on Internet Videos

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Yunong, Eyzaguirre, Cristobal, Li, Manling, Khanna, Shubh, Niebles, Juan Carlos, Ravi, Vineeth, Mishra, Saumitra, Liu, Weiyu, Wu, Jiajun
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Linear Scaling Video VLMs for Long Video Understanding
von: Eyzaguirre, Cristobal, et al.
Veröffentlicht: (2026)

Manual2Skill++: Connector-Aware General Robotic Assembly from Instruction Manuals via Vision-Language Models
von: Tie, Chenrui, et al.
Veröffentlicht: (2025)

Learning Planning Abstractions from Language
von: Liu, Weiyu, et al.
Veröffentlicht: (2024)

Hierarchical Language Models for Semantic Navigation and Manipulation in an Aerial-Ground Robotic System
von: Liu, Haokun, et al.
Veröffentlicht: (2025)

Neural Elevation Models for Terrain Mapping and Path Planning
von: Dai, Adam, et al.
Veröffentlicht: (2024)

BrickCraft: Visuomotor Skill Composition with Situated Manual Guidance for Long-Horizon Interlocking Brick Assembly
von: Yu, Jichuan, et al.
Veröffentlicht: (2026)

Tactile Neural De-rendering
von: Eyzaguirre, Jose A., et al.
Veröffentlicht: (2024)

Streaming Detection of Queried Event Start
von: Eyzaguirre, Cristobal, et al.
Veröffentlicht: (2024)

Multimodal Sensing and Machine Learning to Compare Printed and Verbal Assembly Instructions Delivered by a Social Robot
von: Mishra, Ruchik, et al.
Veröffentlicht: (2025)

Manual2Skill: Learning to Read Manuals and Acquire Robotic Skills for Furniture Assembly Using Vision-Language Models
von: Tie, Chenrui, et al.
Veröffentlicht: (2025)

T*: Re-thinking Temporal Search for Long-Form Video Understanding
von: Ye, Jinhui, et al.
Veröffentlicht: (2025)

Learning Compositional Behaviors from Demonstration and Language
von: Liu, Weiyu, et al.
Veröffentlicht: (2025)

ENACT: Evaluating Embodied Cognition with World Modeling of Egocentric Interaction
von: Wang, Qineng, et al.
Veröffentlicht: (2025)

Understanding Complexity in VideoQA via Visual Program Generation
von: Eyzaguirre, Cristobal, et al.
Veröffentlicht: (2025)

MetaWorld: Skill Transfer and Composition in a Hierarchical World Model for Grounding High-Level Instructions
von: Shen, Yutong, et al.
Veröffentlicht: (2026)

Neural Radiance Maps for Extraterrestrial Navigation and Path Planning
von: Dai, Adam, et al.
Veröffentlicht: (2026)

Ground Penetrating Radar-Assisted Multimodal Robot Odometry Using Subsurface Feature Matrix
von: Li, Haifeng, et al.
Veröffentlicht: (2025)

3D UAV Trajectory Estimation and Classification from Internet Videos via Language Model
von: Lei, Haoxiang, et al.
Veröffentlicht: (2026)

AssemblyComplete: 3D Combinatorial Construction with Deep Reinforcement Learning
von: Chen, Alan, et al.
Veröffentlicht: (2024)

Using large language models for embodied planning introduces systematic safety risks
von: Zhang, Tao, et al.
Veröffentlicht: (2026)

Phys4D: Fine-Grained Physics-Consistent 4D Modeling from Video Diffusion
von: Lu, Haoran, et al.
Veröffentlicht: (2026)

Composable Part-Based Manipulation
von: Liu, Weiyu, et al.
Veröffentlicht: (2024)

ManualVLA: A Unified VLA Model for Chain-of-Thought Manual Generation and Robotic Manipulation
von: Gu, Chenyang, et al.
Veröffentlicht: (2025)

Enhancing Autonomous Manipulator Control with Human-in-loop for Uncertain Assembly Environments
von: Mishra, Ashutosh, et al.
Veröffentlicht: (2025)

Eye-in-Finger: Smart Fingers for Delicate Assembly and Disassembly of LEGO
von: Tang, Zhenran, et al.
Veröffentlicht: (2025)

StableLego: Stability Analysis of Block Stacking Assembly
von: Liu, Ruixuan, et al.
Veröffentlicht: (2024)

Navigating Beyond Instructions: Vision-and-Language Navigation in Obstructed Environments
von: Hong, Haodong, et al.
Veröffentlicht: (2024)

A Model-Agnostic Approach for Semantically Driven Disambiguation in Human-Robot Interaction
von: Dogan, Fethiye Irmak, et al.
Veröffentlicht: (2024)

Latent Space Planning for Multi-Object Manipulation with Environment-Aware Relational Classifiers
von: Huang, Yixuan, et al.
Veröffentlicht: (2023)

Point What You Mean: Visually Grounded Instruction Policy
von: Yu, Hang, et al.
Veröffentlicht: (2025)

Video2Policy: Scaling up Manipulation Tasks in Simulation through Internet Videos
von: Ye, Weirui, et al.
Veröffentlicht: (2025)

Video-to-BT: Generating Reactive Behavior Trees from Human Demonstration Videos for Robotic Assembly
von: Zhao, Xiwei, et al.
Veröffentlicht: (2025)

6D Object Pose Tracking in Internet Videos for Robotic Manipulation
von: Ponimatkin, Georgy, et al.
Veröffentlicht: (2025)

Robots that Learn to Safely Influence via Prediction-Informed Reach-Avoid Dynamic Games
von: Pandya, Ravi, et al.
Veröffentlicht: (2024)

Multimodal Safe Control for Human-Robot Interaction
von: Pandya, Ravi, et al.
Veröffentlicht: (2023)

APEX-MR: Multi-Robot Asynchronous Planning and Execution for Cooperative Assembly
von: Huang, Philip, et al.
Veröffentlicht: (2025)

On Accurate and Robust Estimation of 3D and 2D Circular Center: Method and Application to Camera-Lidar Calibration
von: Jiang, Jiajun, et al.
Veröffentlicht: (2025)

Taming generative video models for zero-shot optical flow extraction
von: Kim, Seungwoo, et al.
Veröffentlicht: (2025)

Embodied Agent Interface: Benchmarking LLMs for Embodied Decision Making
von: Li, Manling, et al.
Veröffentlicht: (2024)

Robot voice a voice controlled robot using arduino
von: Teeda, Vineeth, et al.
Veröffentlicht: (2024)