报名 | CVPR'25首届具身智能「通用机器人操作研讨会和挑战赛 」正式启动

于 2025-02-17 16:13:13 发布
阅读量241 收藏
点赞数
文章标签： 机器人
原文链接：https://mp.weixin.qq.com/s?__biz=MzIzNjc1NzUzMw==&mid=2247777688&idx=2&sn=4ecbb4e6ef663b9fecd463f2a74e4942&chksm=e97840e146c682255e9185b58f00c889f7afccd2930b2ba2e4ffb6d178b35f252b54e70d8337&scene=126&sessionid=0
版权
GRAIL Workshop 投稿
量子位 | 公众号 QbitAI

计算机视觉与模式识别会议（CVPR）作为全球计算机视觉与人工智能领域最具影响力的顶级学术会议，将于2025年6月11日至15日在美国田纳西州召开。

值此盛会，来自INRIA、华盛顿大学、MBZUAI等全球顶尖学术机构的研究团队将联合举办首届具身智能通用机器人操作研讨会和挑战赛（GRAIL）。

本次研讨会聚焦机器人操作的通用性这一关键挑战，旨在推动通用机器人技术的发展。

13d46658ac971c2f84feb1d1ef78a096.png

感兴趣的小伙伴，可以关注起来了~

037d04c775deb27af523e90b00da504f.png官网：https://robomani-grail.github.io/

研讨会介绍

尽管当前的机器人操作模型在封闭、预定义的环境中已展现出优异表现，但在真实世界中仍面临诸多挑战，例如如何操作多样化的物体、适应不同的场景变化，以及执行未知的任务。

GRAIL研讨会将汇聚计算机视觉、机器人、具身智能、大模型、仿真等多领域专家，共同探讨通用机器人技术的前沿进展。GRAIL包括两大通用机器人操作挑战赛、领域专家主题报告，以及前沿论文展示。

双赛道挑战赛

GemBench挑战赛

deaa75aa90f4dc3b8a3fd4bb1263b7ae.png

  • 全面评测机器人在未知物体和长时序任务中的泛化能力

  • 涵盖丰富的基础操作动作：抓取、放置、物体旋转、接触式操作（推动、按压）和铰链物体操作（开、关）

  • 采用渐进式评测体系，逐层难度提高，包括：物体位置泛化、刚性物体泛化、铰链物体泛化、复杂长时序任务泛化

Colosseum挑战赛

3dd3ea645cc7c0f87a3af8734babedde.png

  • 聚焦环境鲁棒性研究，系统评估机器人在 场景变化下的泛化能力，如光照、相机位姿变化等

  • 包括20个典型任务上的14种多样化环境扰动，有效缩小仿真到现实差距

  • 提供三级测试难度：简单simple，中等intermediate和复杂complex

为什么参加 GRAIL？

  • 挑战前沿问题：关注机器人操作的泛化难题，尤其是机器人基础模型（Robot foundation model）的应用潜力 

  • 深入交流学习：与机器人和计算机视觉领域的专家交流最新研究进展 

  • 真实机器人验证：表现优秀的团队将有机会在真实机器人上测试方案，接触真实世界的挑战

重要日期

Challenge submission deadline: May 12, 2025
Challenge report deadline: May 19, 2025
Workshop: June 11, 2025

演讲嘉宾

f484f8d6db294862dd75707a24a38408.png

组织团队

16d95255f9c8c10e6c908ac959516b46.png

欢迎大家关注和参与，详细信息：https://robomani-grail.github.io/

QbitAl
关注
博客
陶哲轩“喂饭级”AI教程来了！只用GitHub Copilot证明函数极限问题
05-20 5
其二，在处理绝对值不等式时，Copilot错误地使用了add_lt_add方法，这个方法要求两边都是严格不等式，但实际情况中有一个等式。陶尝试让Copilot修正这个问题，但它给出的解决方案并不理想。据陶哲轩介绍，他此前主要将GitHub Copilot用于一些“花里胡哨”的代码补全，但实际情况是，如果想让它来证明数学定理，往往需要人类的“正确指挥”。与此同时，在最终证明的以下几个关键步骤中，虽然Copilot在整体框架上提供了很大帮助，但在处理这些精细的数学细节时，还是需要人工干预来确保准确性。
博客
手绘草图一键变3D游戏形象！腾讯出手AI游戏视觉设计
05-20 1
除此之外，混元游戏视觉生成团队表示，还有更多正在内部研发和测试的能力暂未上线，本次以技术报告的方式面向行业详尽展示和分享了一系列游戏图像和视频视觉生成大模型。系统同样自动将第二步的生成图像带入第三步，用户可以一键生成符合游戏标准的A/T pose角色多视图，还有生成360°角色旋转演示视频。官方表示，角色多视图生成这块，角色主体一致性可高达99%，如果设计师对某个生成的细节不满意，还可以进行手动修改。四大图像生成模型包括游戏生图大模型底座、特效生成模型、透明图生成模型、角色原画生成模型。
博客
华为：让DeepSeek的“专家们”动起来，推理延迟降10%！
05-20 377
该机制通过迭代优化专家分配，显著降低了动态调整的计算开销。昨天的文章已经提到，昇腾超大规模MoE模型推理部署技术在本周会有持续的技术披露，果然第二天的技术报告又如期而至了。动态优先级调整：通过实时统计专家调用频率，动态调整专家的优先级和节点分配，确保高频专家优先部署在计算能力较强的节点上。层间差异化部署：允许不同层根据负载特性设置不同的专家部署策略，支持非均匀冗余次数配置，从而更好地适应层间负载差异。预测性分配：结合历史激活数据和负载预测模型，系统能够提前优化资源分配，降低突发负载对系统性能的影响。
博客
手机流畅处理128K长文本，vivo端侧新算法突破内存限制 | ACL 2025
05-20 5
本方法与原生的Transformer架构完全兼容，在训练时只需要微调一小部分参数，就可以在长文本任务上取得不错的效果，同时保持了相对高效的推理性能，非常适合在端侧设备上高效地处理长文本任务。端侧LLM在实际应用中会遇到很多长文本输入的场景（例如通话摘要和个人文档总结），但由于端侧设备的资源限制，现有的LLM在部署到端侧后都无法处理很长的上下文。：EdgeInfinite可以灵活的和已有的基础模型相结合，来提升基础模型的长文本能力，同时也不影响基础模型的短文本能力，这是通过推理时动态的。
博客
UC伯克利5千美元造全开源人形机器人，网友：这作业抄定了
05-20 5
BHL采用3D打印执行器驱动设计，让执行器制作不再依赖复杂昂贵的传统加工工艺，无论是普通实验室还是个人爱好者，只要拥有3D打印机，就能轻松制作相关部件，大大降低了硬件获取的难度。考虑到不同应用场景需求，BHL的各个功能模块相互独立又紧密协作，用户可自由选择、组合不同模块，实现独一无二的定制化服务。具体来说，就是利用摆线减速器的特点，将荷载平均分散到齿轮的多个齿上，使其更适配桌面3D打印机的有限分辨率。注意看，画面中这个正在认真写名字的小家伙，就是来自UC伯克利的最新作品——人形机器人。
博客
英特尔新显卡拉爆性价比！24GB显存售价3600+，网友：买它
05-20 5
据介绍，Project Battlematrix工作站采用至强处理器，最多可配备8个GPU，192GB显存，支持部署700亿+参数的模型——总之，对于大模型时代期待着更高性价比硬件设施的从业者、爱好者们而言，能看到英特尔如此大力地卷其他厂商，除了喜闻乐见还能说什么呢（doge）。B50配备16GB显存，可以提供224GB/s的内存带宽。B60拥有20个Xe核心，160个XMX引擎，能提供197 TOPS的峰值算力。毕竟，英伟达和AMD看上去更专注于高端数据中心市场，在“性价比”这块留下了巨大的市场空间。
博客
代码智能体占领GitHub！自动修bug、加功能、写文档，一台手机就能指挥
05-20 5
GitHub官方建议在经过充分测试的代码库中让智能体处理低到中等复杂度的任务，从添加功能、修复错误到扩展测试、重构和改进文档都可以。智能体可以整合相关问题或PR讨论的上下文，并遵循任何自定义存储库指令，能够理解任务背后的意图和项目的代码标准。要给Copilot智能体“派活”很简单，只需只需将issue分配给它，就像与组织中的其他人类开发者合作一样。这意味着，你只需给Agent分配任务，它就能开始自动执行，而你可以去忙其他的事情。，从此可以bug自动修，功能自动加，文档自动写。
博客
AI眼镜+键盘+配件=6999元？不不不这叫空间计算机
05-20 4
比如开会时，一边参与视频会议，一边查看相关资料，一边做会议记录，所有窗口都在你的视野范围内，还可以根据实际需求自由调节显示界面的远近距离与画面尺寸，不用频繁切换应用。你可以把电脑留在公司，戴上INAIR眼镜和Pod主机，就能将电脑屏幕无线串流到千里之外的眼镜，直接在AR空间中打开电脑界面，INAIR已将延迟控制在30毫秒。视觉上，INAIR空间计算机可以在等效4米的距离内投射出一块134寸的大屏，还能串流电脑屏幕。连接电脑时，还能利用电脑上的算力，在你看电影、刷B站时，实时把视频内容也变成3D。
博客
老黄唱衰编程，GitHub CEO硬刚：放弃写代码等于放弃智能体未来话语权
05-19 18
谈及Copilot的定价调整，由早期的10美元/月到如今的39美元/月，超额请求每次按0.04美元收费，CPO表示他们将持续评估商业模式的演变路径，以更好地支持代理模式运行。这也是GitHub推出Project Padawan的意义所在，他们希望能够让系统并行处理多个GitHub问题，引入SWE智能体后，开发者将实际成为多个智能体的。在当前的VS Code环境中，代理模式主要负责处理同步任务，正如多姆克所比喻的，这种关系类似于。在他的构想中，2025年是属于编程智能体的一年，但未来仍然属于全体人类程序员。
博客
23999元起，鸿蒙「折叠屏」电脑来了！展开比手机还薄
05-19 26
举个例子，华为MateBook Pro支持手眼协同跨屏写作和文件互传，手机电脑平板放到一起，眼镜看到哪里光标就移动到哪里，支持多个屏幕共享文件和剪贴板。铰链中的三段式转轴创新性地采用了中国古典文化中的榫卯架构，整个部件零焊接，使整台电脑更加紧密、稳固、可靠，做到了闭合无缝。这块“华为史上最好的屏幕”，分辨率高达3.3K，同时还首次在电脑当中使用了LTPO自适应刷新率，能耗降低了30%。说到这里，操控方面，这一次，华为是把自身在手机里已经运用得炉火纯青的手势控制大法，直接带到了鸿蒙电脑之中。
博客
英伟达新“桌面超算”800GB大内存，满血DeepSeek R1能装1个半
05-19 20
比如，Aerial和Sionna能够将AI带到5G和6G；老黄举了个例子，比如说滚动一个球，根据球的速度，它可能到了汽车底下或者汽车的另一边，但它没有消失；现场也特意用了DeepSeek R1模型的测试数据，每花费500万美元，RTX PRO Server的性价比是H100的四倍。老黄表示，人类要查询像SQL这样的结构化数据，而AI想要查询的是非结构化数据，因此需要打造新型存储平台，也就是。，内含总长两英里（3.218公里）的5000条铜缆，将每块芯片之间全互联，实现每秒14.4TB的全连接带宽。
博客
AI遭遇灵魂拷问！这道题所有模型集体翻车，网友：我也不会啊
05-19 7
o3将最终组成的大立方体的规格理解为5x5x5，但它对于缺失的小立方体的数目仍旧给出了错误答案，用人类视觉来看，要形成5x5x5的大立方体需要125个小立方体，而图中已经给出了46个，所以答案应该为79。网友认为是由于ChatGPT的长期记忆功能，让它记住了前两次尝试的提示（比如考虑最长运行中有多少个立方体，专注于严格计数而不是估计），考虑到了失败的经验，并将它们全部整合在一起。对于最终要组成的大立方体的规模理解不同，各大模型自然而然就会给出不同的答案。而这道难题也会成为未来的训练数据。
博客
参数量暴降，精度反升！哈工大宾大联手打造点云分析新SOTA
05-19 21
实验结果表明，PointKAN以及PointKAN-elite在各个下游任务上相比于基于MLPs的点云分析架构都有出色的表现，特别是在小样本学习任务上，体现了KANs具有极强的泛化能力和知识迁移能力，更重要的是参数量和FLOPs都有明显的下降。另一方面，每一维输入的激活函数需要存储多个参数，对于大规模网络，KANs的内存需求可能成为瓶颈，并且KANs中使用的B样条函数对于现代硬件上的并行计算未进行优化，导致推理速度较慢。有理函数计算过程简单，非常适合并行计算，提高了模型的计算效率。
博客
华为+DeepSeek，推理性能创新高！技术报告也公布出来了
05-19 673
作为示例，华为团队使用2机16卡进行Prefill，4机32卡进行Decode，每卡部署8个路由专家和1个共享专家，MLA部分采用DP并行，并针对性地使用在真实负载下性能更优的AllGather/ReduceScatter的通信方案。，针对Prefill阶段的MLA层，通过张量并行（TP）与数据并行（DP）的灵活转换，消除节点内卡间求和操作，并利用网络低维特性与量化技术压缩通信数据量，显著降低跨卡通信时延，为大模型分布式推理提供更高效的通信支撑。因此在计算时延和吞吐的时候默认按照70%接受率来折算。
博客
全新GPU高速互联设计，为大模型训练降本增效！北大/阶跃/曦智提出新一代高带宽域架构
05-19 48
结果表明，InfiniteHBD在这两方面均具有明显优势，其互连成本仅为NVL-72的31%、TPUv4的63%，同时在能耗方面也处于最低水平，仅为NVL-72的75%，并且与TPUv4持平。随着故障率上升，基线方法的跨ToR流量线性增长，而优化算法在节点故障率低于7%时，持续保持近乎零的跨ToR流量，展现了出色的韧性和容错性。的愿景，致力于在算力需求大爆发的时代，通过光电混合算力新范式，为客户提供一系列算力提升解决方案，共建更智能、更可持续的世界。已经在筹备相关的集群建设，推动该领域的应用和实践。
博客
OceanBase全面拥抱AI！首发PowerRAG产品，CTO杨传辉详解AI战略
05-19 40
我们将形成AI时代从一体化存储（行存、列存、KV、文档、向量、倒排）到一体化计算（OLTP、OLAP、NoSQL、向量数据库、搜索、推理、RAG）的全方位布局，依托蚂蚁的丰富应用场景将OceanBase的“Data × AI”能力打磨成为新的核心竞争力，并逐渐服务外部客户，打造如分布式技术般的世界级AI数据底座。数据决定着大模型的能力上限，且依旧有很大挑战：一是数据的获取成本显著增加，二是严谨的行业数据稀缺且流动困难，三是多模态数据需要更强的处理能力，四是数据的质量评估难。无法数字化，就无法智能化。
博客
矩阵乘法可以算得更快了！港中文10页论文证明：能源、时间均可节省
05-18 409
与此前最先进的算法（基 Strassen的递归分治）相比，RXTX的递归关系式为 R(n)=8R(n/4) + 26M(n/4)，而原算法为 S(n) = 4S(n/2) + 2M(n/2)。尽管这类运算在统计、数据分析、深度学习和无线通信等领域有着广泛应用，例如协方差矩阵的计算和线性回归中的关键步骤，但对于具有特殊结构的矩阵乘法（如计算矩阵与其转置的乘积XX。实验显示，当n≥256时，RXTX的总运算量优于原算法；整体来看，这个基于4×4分块矩阵的递归乘法，通过机器学习搜索与组合优化相结合的方法发现。
博客
经典教材《泛函分析》作者逝世，享年99岁：首位获阿贝尔奖的应用数学家
05-18 730
这种体验必须亲身参与才能获得。1950年代，他频繁往返于纽约大学与洛斯阿拉莫斯，既参与氢弹研发中的流体力学计算，又深入研究双曲型偏微分方程的理论，逐渐形成 “用数学理解自然现象” 的独特方法论。他的离去标志着一个时代的终结，但他留下的遗产——从超级计算机的计算中心到孤子理论的方程，从跨学科的研究范式到 “数学统一” 的哲学观——仍在塑造着当代科学的面貌。在这位伯乐的引导下，拉克斯13岁便完成了匈牙利全国高中数学竞赛的试题，其解法足以斩获头奖（只是他年龄太小，不能正式参赛），展现出惊人的数学天赋。
博客
翁荔最新万字长文：Why We Think
05-18 31
Wang和Zhou（2024）研究发现：如果在第一个采样token处保留置信度最高的前k个候选（这个置信度是通过采样时top-1和top-2候选之间的差值来衡量的），然后用贪婪解码继续这些采样尝试，很多情况下模型会自动产生思维链。这些反馈可基于以下要素：真实答案匹配、启发式规则与任务特定指标、编程问题的单元测试结果（Shinn等，2023）、更强模型的指导（Zhang等，2024），以及人类反馈（Liu等，2023）。事实上，CoT有一个很好的特性，它允许模型根据问题的难度使用可变的计算量。
博客
打破56年数学铁律！谷歌AlphaEvolve自我进化实现算法效率狂飙，堪比AlphaGo“神之一手”
05-18 434
在谷歌内部使用中，它将Gemini架构中大型矩阵乘法运算加速了23%，从而将Gemini的训练时间缩短了1%，并且还将FlashAttention提速了32.5%。研究人员表示，评估指标会有一个非常微妙的限制，他举了一个具体的例子，比如在问题定义中内置时间约束，只关注能够在10分钟之内取得进展的搜索算法，探索算法空间。理念，对Gemini 大语言模型生成的多样化代码初始种群的每个算法进行适应度评估，对表现优异的代码保留、变异或组合，投入下一轮优化。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值