SPEAR-1: Scaling Beyond Robot Demonstrations via 3D Understanding
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Nikolov, Nikolay, Albanese, Giuliano, Dey, Sombit, Yanev, Aleksandar, Van Gool, Luc, Zaech, Jan-Nico, Paudel, Danda Pani |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
ReVLA: Reverting Visual Domain Limitation of Robotic Foundation Models
par: Dey, Sombit, et autres
Publié: (2024)
par: Dey, Sombit, et autres
Publié: (2024)
Generalist Robot Manipulation beyond Action Labeled Data
par: Spiridonov, Alexander, et autres
Publié: (2025)
par: Spiridonov, Alexander, et autres
Publié: (2025)
From Scan to Action: Leveraging Realistic Scans for Embodied Scene Understanding
par: Halacheva, Anna-Maria, et autres
Publié: (2025)
par: Halacheva, Anna-Maria, et autres
Publié: (2025)
AR-VLA: True Autoregressive Action Expert for Vision-Language-Action Models
par: Hu, Yutong, et autres
Publié: (2026)
par: Hu, Yutong, et autres
Publié: (2026)
GaussianVLM: Scene-centric 3D Vision-Language Models using Language-aligned Gaussian Splats for Embodied Reasoning and Beyond
par: Halacheva, Anna-Maria, et autres
Publié: (2025)
par: Halacheva, Anna-Maria, et autres
Publié: (2025)
Autonomous Vehicle Path Planning by Searching With Differentiable Simulation
par: Nachkov, Asen, et autres
Publié: (2025)
par: Nachkov, Asen, et autres
Publié: (2025)
Unlocking Efficient Vehicle Dynamics Modeling via Analytic World Models
par: Nachkov, Asen, et autres
Publié: (2025)
par: Nachkov, Asen, et autres
Publié: (2025)
Articulate3D: Holistic Understanding of 3D Scenes as Universal Scene Description
par: Halacheva, Anna-Maria, et autres
Publié: (2024)
par: Halacheva, Anna-Maria, et autres
Publié: (2024)
Autonomous Vehicle Controllers From End-to-End Differentiable Simulation
par: Nachkov, Asen, et autres
Publié: (2024)
par: Nachkov, Asen, et autres
Publié: (2024)
Occam's LGS: An Efficient Approach for Language Gaussian Splatting
par: Cheng, Jiahuan, et autres
Publié: (2024)
par: Cheng, Jiahuan, et autres
Publié: (2024)
LangHOPS: Language Grounded Hierarchical Open-Vocabulary Part Segmentation
par: Miao, Yang, et autres
Publié: (2025)
par: Miao, Yang, et autres
Publié: (2025)
Lego: Learning to Disentangle and Invert Personalized Concepts Beyond Object Appearance in Text-to-Image Diffusion Models
par: Motamed, Saman, et autres
Publié: (2023)
par: Motamed, Saman, et autres
Publié: (2023)
Implicit-Zoo: A Large-Scale Dataset of Neural Implicit Functions for 2D Images and 3D Scenes
par: Ma, Qi, et autres
Publié: (2024)
par: Ma, Qi, et autres
Publié: (2024)
EvenNICER-SLAM: Event-based Neural Implicit Encoding SLAM
par: Chen, Shi, et autres
Publié: (2024)
par: Chen, Shi, et autres
Publié: (2024)
ProOOD: Prototype-Guided Out-of-Distribution 3D Occupancy Prediction
par: Zhang, Yuheng, et autres
Publié: (2026)
par: Zhang, Yuheng, et autres
Publié: (2026)
EgoSpot:Egocentric Multimodal Control for Hands-Free Mobile Manipulation
par: Zhang, Ganlin, et autres
Publié: (2023)
par: Zhang, Ganlin, et autres
Publié: (2023)
Event-Free Moving Object Segmentation from Moving Ego Vehicle
par: Zhou, Zhuyun, et autres
Publié: (2023)
par: Zhou, Zhuyun, et autres
Publié: (2023)
Taming CLIP for Fine-grained and Structured Visual Understanding of Museum Exhibits
par: Balauca, Ada-Astrid, et autres
Publié: (2024)
par: Balauca, Ada-Astrid, et autres
Publié: (2024)
InTraGen: Trajectory-controlled Video Generation for Object Interactions
par: Liu, Zuhao, et autres
Publié: (2024)
par: Liu, Zuhao, et autres
Publié: (2024)
Inferring Compositional 4D Scenes without Ever Seeing One
par: Gokmen, Ahmet Berke, et autres
Publié: (2025)
par: Gokmen, Ahmet Berke, et autres
Publié: (2025)
Continuous Pose for Monocular Cameras in Neural Implicit Representation
par: Ma, Qi, et autres
Publié: (2023)
par: Ma, Qi, et autres
Publié: (2023)
From Synchrony to Sequence: Exo-to-Ego Generation via Interpolation
par: Mahdi, Mohammad, et autres
Publié: (2026)
par: Mahdi, Mohammad, et autres
Publié: (2026)
Vision encoders should be image size agnostic and task driven
par: Prisadnikov, Nedyalko, et autres
Publié: (2025)
par: Prisadnikov, Nedyalko, et autres
Publié: (2025)
Self-supervised pretraining for an iterative image size agnostic vision transformer
par: Prisadnikov, Nedyalko, et autres
Publié: (2026)
par: Prisadnikov, Nedyalko, et autres
Publié: (2026)
A Simple and Generalist Approach for Panoptic Segmentation
par: Prisadnikov, Nedyalko, et autres
Publié: (2024)
par: Prisadnikov, Nedyalko, et autres
Publié: (2024)
Fine-Grained Spatial and Verbal Losses for 3D Visual Grounding
par: Dey, Sombit, et autres
Publié: (2024)
par: Dey, Sombit, et autres
Publié: (2024)
Cross-View Multi-Modal Segmentation @ Ego-Exo4D Challenges 2025
par: Fu, Yuqian, et autres
Publié: (2025)
par: Fu, Yuqian, et autres
Publié: (2025)
SeasonScapes: Learning Large-scale Re-lightable 3D Landscapes with Seasonal Variation from Sparse Webcams
par: Kleger, Timo, et autres
Publié: (2026)
par: Kleger, Timo, et autres
Publié: (2026)
RICO: Two Realistic Benchmarks and an In-Depth Analysis for Incremental Learning in Object Detection
par: Neuwirth-Trapp, Matthias, et autres
Publié: (2025)
par: Neuwirth-Trapp, Matthias, et autres
Publié: (2025)
Incremental Object Detection with Prompt-based Methods
par: Neuwirth-Trapp, Matthias, et autres
Publié: (2025)
par: Neuwirth-Trapp, Matthias, et autres
Publié: (2025)
RoHOI: Robustness Benchmark for Human-Object Interaction Detection
par: Wen, Di, et autres
Publié: (2025)
par: Wen, Di, et autres
Publié: (2025)
Reducing Unimodal Bias in Multi-Modal Semantic Segmentation with Multi-Scale Functional Entropy Regularization
par: Zheng, Xu, et autres
Publié: (2025)
par: Zheng, Xu, et autres
Publié: (2025)
ConceptPose: Training-Free Zero-Shot Object Pose Estimation using Concept Vectors
par: Kuang, Liming, et autres
Publié: (2025)
par: Kuang, Liming, et autres
Publié: (2025)
Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing
par: Zaech, Jan-Nico, et autres
Publié: (2023)
par: Zaech, Jan-Nico, et autres
Publié: (2023)
InterEdit: Navigating Text-Guided Multi-Human 3D Motion Editing
par: Yang, Yebin, et autres
Publié: (2026)
par: Yang, Yebin, et autres
Publié: (2026)
Ternary-Type Opacity and Hybrid Odometry for RGB NeRF-SLAM
par: Lin, Junru, et autres
Publié: (2023)
par: Lin, Junru, et autres
Publié: (2023)
EReLiFM: Evidential Reliability-Aware Residual Flow Meta-Learning for Open-Set Domain Generalization under Noisy Labels
par: Peng, Kunyu, et autres
Publié: (2025)
par: Peng, Kunyu, et autres
Publié: (2025)
RefAtomNet++: Advancing Referring Atomic Video Action Recognition using Semantic Retrieval based Multi-Trajectory Mamba
par: Peng, Kunyu, et autres
Publié: (2025)
par: Peng, Kunyu, et autres
Publié: (2025)
FireScope: Wildfire Risk Raster Prediction with a Chain-of-Thought Oracle
par: Markov, Mario, et autres
Publié: (2025)
par: Markov, Mario, et autres
Publié: (2025)
B-GRTO: Bootstrapped Group Relative Tool Optimization for Referring Segmentation
par: Markov, Mario, et autres
Publié: (2026)
par: Markov, Mario, et autres
Publié: (2026)
Documents similaires
-
ReVLA: Reverting Visual Domain Limitation of Robotic Foundation Models
par: Dey, Sombit, et autres
Publié: (2024) -
Generalist Robot Manipulation beyond Action Labeled Data
par: Spiridonov, Alexander, et autres
Publié: (2025) -
From Scan to Action: Leveraging Realistic Scans for Embodied Scene Understanding
par: Halacheva, Anna-Maria, et autres
Publié: (2025) -
AR-VLA: True Autoregressive Action Expert for Vision-Language-Action Models
par: Hu, Yutong, et autres
Publié: (2026) -
GaussianVLM: Scene-centric 3D Vision-Language Models using Language-aligned Gaussian Splats for Embodied Reasoning and Beyond
par: Halacheva, Anna-Maria, et autres
Publié: (2025)