Robot Utility Models（RUMs） 是一种由纽约大学、Hello Robot 和 Meta 研究人员开发的机器人框架，它能够训练出在没有进一步微调的情况下，能够直接适应新环境和对象的机器人策略。
RUMs 通过结合多模态学习和自我批评机制，提升了机器人在新环境中的自主性和适应性。该框架的主要功能包括零样本部署、多模态行为生成模型以及自我批评和重试机制。RUMs 的工作原理涉及数据收集、模型训练、自我批评和零样本部署。
通过大规模、多样化的任务特定数据集训练，RUMs 具备数据驱动和泛化能力，并能够通过多模态语言模型（mLLM）提供实时反馈，以检测和纠正执行中的错误。具体应用场景包括家庭自动化、仓库管理和服务机器人等。其他相关的机器人学习和技术，如 TRANSIC、Vid2Robot、GeFF 系统、伯克利分校的机器人双手协同拧瓶盖研究、MOSAIC 系统、UMI 框架、ICRT 模型、Sapiens 模型家族、UniT 触觉表示学习方法、DeepMind 的机器人乒乓球系统、DAAG 以及 Theia 视觉基础模型。|
项目主页：https://robotutilitymodels.comGitHub：https://github.com/haritheja-e/robot-utility-models
\
网友回复
我知道答案，我要回答
私活外包
