Jiangmiao Pang

CLIP zeigt Stärke im Umgang mit Datenungleichgewicht bei visuellen und sprachlichen Aufgaben.

MMScan verbessert die Fähigkeit von KI, komplexe 3D-Umgebungen mit umfangreichen Anmerkungen zu verstehen.

Eine neue Methode hilft Robotern dabei, Objekte gemeinsam zu tragen.

OVExp kombiniert Sprache und Vision für effektive Objektnavigation in unterschiedlichen Umgebungen.

LLaVA-3D kombiniert 2D- und 3D-Einsichten für tiefere räumliche Überlegungen.

Ein neues Modell hilft Robotern, Vision mit Handlung zu kombinieren, um ihre Manipulationsfähigkeiten zu verbessern.