公司
别名：@berkeley_ai
发布DexTacWAM模型的伯克利人工智能研究机构
已跟踪 7 条高相关材料
最近变化
2026-09-29 · 项目网站包含机器人演示和世界模型预测
为什么值得关注
Berkeley AI Research 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
How do we scale tactile world modeling across ten fingertips? A finger- and pose-aware tactile comp...
Berkeley AI Research(@berkeley_ai) · 8.5 分
Berkeley AI Research提出触觉压缩器，将10指尖流映射至2手级潜在变量，保留89.4%召回率并加速训练2.26倍。
Presenting research from @berkeley_ai Humanoid Intelligence Center. DexTacWAM: A Visuo-Tactile Worl...
Berkeley AI Research(@berkeley_ai) · 8.5 分
DexTacWAM模型通过视觉-触觉联合学习，在灵巧操作任务中显著优于现有方法，开源资源可直接用于工程实践。
@berkeley_ai faculty Peter Bartlett is giving a plenary lecture at this year's International Congres...
Berkeley AI Research(@berkeley_ai) · 6 分
伯克利AI学者Peter Bartlett将在ICM2026大会演讲，探讨现代机器学习中的隐式偏差、良性过拟合与不稳定优化问题。
已收录 7 条与 Berkeley AI Research 相关的内容，按评分排序。
DexTacWAM模型通过视觉-触觉联合学习，在灵巧操作任务中显著优于现有方法，开源资源可直接用于工程实践。
入选理由：DexTacWAM在六项任务中平均得分70.6，远超基线38.0
Berkeley AI Research提出触觉压缩器，将10指尖流映射至2手级潜在变量，保留89.4%召回率并加速训练2.26倍。
入选理由：触觉压缩器将10指尖流映射到2手级潜在变量，保留89.4%接触召回率
伯克利AI学者Peter Bartlett将在ICM2026大会演讲，探讨现代机器学习中的隐式偏差、良性过拟合与不稳定优化问题。
入选理由：现代机器学习机制与经典统计学习理论存在本质差异
项目网站提供机器人演示和模型预测，但推文内容缺乏技术细节和实用价值。
入选理由：项目网站包含机器人演示和世界模型预测
伯克利AI研究团队校友Pathak2206获得PAMI青年研究者计算机视觉奖，该奖项每年授予两位年轻研究者。
入选理由：Pathak2206是伯克利AI研究团队的校友。
Berkeley AI Research 近七年共七位获奖者，包括多位知名研究人员。
入选理由：Berkeley AI Research 近七年有七位获奖者。
Berkeley AI Research宣布其两位教员被选为国际计算生物学学会2026年会士。
入选理由：BAIR的两位教员被选为ISCB 2026年会士。
