Buchumschlag

MolmoB0T: Large-Scale Simulation Enables Zero-Shot Manipulation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Deshpande, Abhay, Guru, Maya, Hendrix, Rose, Jauhri, Snehal, Eftekhar, Ainaz, Tripathi, Rohun, Argus, Max, Salvador, Jordi, Fang, Haoquan, Wallingford, Matthew, Pumacay, Wilbert, Kim, Yejin, Pfeifer, Quinn, Lee, Ying-Chun, Wolters, Piper, Rayyan, Omar, Zhang, Mingtong, Duan, Jiafei, Farley, Karen, Han, Winson, Vanderbilt, Eli, Fox, Dieter, Farhadi, Ali, Chalvatzaki, Georgia, Shah, Dhruv, Krishna, Ranjay
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MolmoSpaces: A Large-Scale Open Ecosystem for Robot Navigation and Manipulation
von: Kim, Yejin, et al.
Veröffentlicht: (2026)

MolmoAct: Action Reasoning Models that can Reason in Space
von: Lee, Jason, et al.
Veröffentlicht: (2025)

Selective Visual Representations Improve Convergence and Generalization for Embodied AI
von: Eftekhar, Ainaz, et al.
Veröffentlicht: (2023)

MolmoAct2: Action Reasoning Models for Real-world Deployment
von: Fang, Haoquan, et al.
Veröffentlicht: (2026)

SAM2Act: Integrating Visual Foundation Model with A Memory Architecture for Robotic Manipulation
von: Fang, Haoquan, et al.
Veröffentlicht: (2025)

Learning Any-View 6DoF Robotic Grasping in Cluttered Scenes via Neural Surface Rendering
von: Jauhri, Snehal, et al.
Veröffentlicht: (2023)

Whole-Body Mobile Manipulation using Offline Reinforcement Learning on Sub-optimal Controllers
von: Jauhri, Snehal, et al.
Veröffentlicht: (2026)

Active-Perceptive Motion Generation for Mobile Manipulation
von: Jauhri, Snehal, et al.
Veröffentlicht: (2023)

GraspMolmo: Generalizable Task-Oriented Grasping via Large-Scale Synthetic Data Generation
von: Deshpande, Abhay, et al.
Veröffentlicht: (2025)

MolmoPoint: Better Pointing for VLMs with Grounding Tokens
von: Clark, Christopher, et al.
Veröffentlicht: (2026)

THE COLOSSEUM: A Benchmark for Evaluating Generalization for Robotic Manipulation
von: Pumacay, Wilbert, et al.
Veröffentlicht: (2024)

UniFField: A Generalizable Unified Neural Feature Field for Visual, Semantic, and Spatial Uncertainties in Any Scene
von: Maurer, Christian, et al.
Veröffentlicht: (2025)

2HandedAfforder: Learning Precise Actionable Bimanual Affordances from Human Videos
von: Heidinger, Marvin, et al.
Veröffentlicht: (2025)

Convergent Functions, Divergent Forms
von: Jeon, Hyeonseong, et al.
Veröffentlicht: (2025)

The One RING: a Robotic Indoor Navigation Generalist
von: Eftekhar, Ainaz, et al.
Veröffentlicht: (2024)

MolmoWeb: Open Visual Web Agent and Open Data for the Open Web
von: Gupta, Tanmay, et al.
Veröffentlicht: (2026)

6DOPE-GS: Online 6D Object Pose Estimation using Gaussian Splatting
von: Jin, Yufeng, et al.
Veröffentlicht: (2024)

Manipulate-Anything: Automating Real-World Robots using Vision-Language Models
von: Duan, Jiafei, et al.
Veröffentlicht: (2024)

RoboPoint: A Vision-Language Model for Spatial Affordance Prediction for Robotics
von: Yuan, Wentao, et al.
Veröffentlicht: (2024)

Molmo2: Open Weights and Data for Vision-Language Models with Video Understanding and Grounding
von: Clark, Christopher, et al.
Veröffentlicht: (2026)

Posterior Augmented Flow Matching
von: Stoica, George, et al.
Veröffentlicht: (2026)

PointArena: Probing Multimodal Grounding Through Language-Guided Pointing
von: Cheng, Long, et al.
Veröffentlicht: (2025)

Think Twice, Act Once: Verifier-Guided Action Selection For Embodied Agents
von: Singhi, Nishad, et al.
Veröffentlicht: (2026)

AHA: A Vision-Language-Model for Detecting and Reasoning Over Failures in Robotic Manipulation
von: Duan, Jiafei, et al.
Veröffentlicht: (2024)

VideoNet: A Large-Scale Dataset for Domain-Specific Action Recognition
von: Yadav, Tanush, et al.
Veröffentlicht: (2026)

Unified Spatio-Temporal Token Scoring for Efficient Video VLMs
von: Zhang, Jianrui, et al.
Veröffentlicht: (2026)

Molmo and PixMo: Open Weights and Open Data for State-of-the-Art Vision-Language Models
von: Deitke, Matt, et al.
Veröffentlicht: (2024)

FailSafe: Reasoning and Recovery from Failures in Vision-Language-Action Models
von: Lin, Zijun, et al.
Veröffentlicht: (2025)

Recurrent-Depth VLA: Implicit Test-Time Compute Scaling of Vision-Language-Action Models via Latent Iterative Reasoning
von: Tur, Yalcin, et al.
Veröffentlicht: (2026)

WildDet3D: Scaling Promptable 3D Detection in the Wild
von: Huang, Weikai, et al.
Veröffentlicht: (2026)

RoboEval: Where Robotic Manipulation Meets Structured and Scalable Evaluation
von: Wang, Yi Ru, et al.
Veröffentlicht: (2025)

Effect of Pullulan‐Chitosan Film Containing Titanium Dioxide (TiO 2 ) Nanoparticle and Tarragon Essential Oil on the Quality Properties During Refrigerated Storage of Rainbow Trout Fillets
von: Ainaz Khodanazary
Veröffentlicht: (2025)

Effects of Carboxymethyl Chitosan/Pectin Coating Containing Free and Nanoliposome Mentha piperita Essential Oil on the Shelf Life of Shrimp During Ice Storage
von: Ainaz Khodanazary
Veröffentlicht: (2025)

Beyond the Frame: Generating 360 Panoramic Videos from Perspective Videos
von: Luo, Rundong, et al.
Veröffentlicht: (2025)

Sustaining multidisciplinary teams in rural and remote primary care
von: Geoff Argus
Veröffentlicht: (2024)

ActionAtlas: A VideoQA Benchmark for Domain-specialized Action Recognition
von: Salehi, Mohammadreza, et al.
Veröffentlicht: (2024)

VideoMolmo: Spatio-Temporal Grounding Meets Pointing
von: Ahmad, Ghazi Shazan, et al.
Veröffentlicht: (2025)

1979 annual survey of American law / Vanderbilt Hall, Arthur T
von: Vanderbilt Hall, Arthur T
Veröffentlicht: (1979)

Connecting Learning: Brain-Based Strategies for Linking Prior Knowledge in the Library Media Center
von: Vanderbilt, Kathi L.
Veröffentlicht: (2005)

Superposed Decoding: Multiple Generations from a Single Autoregressive Inference Pass
von: Shen, Ethan, et al.
Veröffentlicht: (2024)