Jiangmiao Pang

O CLIP manda bem em lidar com desequilíbrio de dados em tarefas visuais e de linguagem.

MMScan melhora a capacidade da IA de entender ambientes 3D complexos com anotações extensas.

Um novo método ajuda robôs a carregar objetos juntos.

OVExp combina linguagem e visão pra navegação de objetos em ambientes variados.

LLaVA-3D combina insights 2D e 3D pra um raciocínio espacial mais profundo.

Um novo modelo ajuda os robôs a misturar visão com ação pra melhorar suas habilidades de manipulação.