行行查
行业研究数据库
人工智能行业研究:自动生成的训练数据
- 人工智能
- 机器学习
- 大模型
LATTE(Language Trajectory Transformer)是一种基于预训练模型的机器人轨迹控制框架,旨在通过自然语言指令实现对机器人运动轨迹的灵活调整。该模型的核心在于利用语言与轨迹之间的映射关系,使机器人能够理解并执行复杂的动态指令。
在训练数据方面,每个样本包含原始轨迹和经过修改后的目标轨迹,同时配以自然语言描述,涵盖方向、速度及相对位置变化等维度,并结合对象姿态与图像信息进行多模态学习。例如,系统会接收如“离海葵鱼远一点”这样的指令,并据此生成新的运动路径。
运行结果显示,模型能有效响应用户指令,实现轨迹偏移或速度调节。例如,在要求无人机远离场景中“演员”的情况下,生成的蓝色轨迹明显比初始红色轨迹更远;当指令为“靠近桌子时飞慢些”,模型也能相应降低速度,体现出良好的语义理解和动作适配能力。
模型性能评估基于300个来自10名参与者的测试数据点。多数用户认为模型生成的轨迹准确反映了语言指令意图,尤其在缺少语言输入或仅依赖二维投影的情况下表现较差,反向验证了语言引导的重要性。此外,模型展现出较强的泛化能力,在76%的未见指令下仍能取得良好效果。具体对比数据显示,对于训练集内指令,66
关联报告






| 标题 | 时间 | 页数 | 目录 | 下载 |
|---|---|---|---|---|
| 人工智能系列(二):AI驱动下的电子行业新周期 | 2026-10-24 | 35 | ||
| 人工智能行业专题(24):AI短剧:注意力经济新兴市场,AI赋能工业化生产 | 2026-10-26 | 32 | ||
| 人工智能对广域网的影响:思科报告2026 | 2026-10-27 | 26 | ||
| 电力设备与新能源行业周报:特斯拉Optimus量产继续推进,全面实施“人工智能+”行动 | 2026-10-27 | 15 | ||
| 《人工智能能力建设普惠计划》进展报告(2026) | 2026-10-27 | 22 | ||
| 人工智能的物理竞赛:对电力、水和关键矿产的控制正成为人工智能领导地位的决定性因素 | 2026-10-27 | 16 | ||
| 人工智能主线周报:智元发布具身模型,看好智能化 | 2026-11-02 | 19 | ||
| 人工智能行业专题:2026Q3海外大厂CapEx和ROIC总结梳理 | 2026-11-02 | 25 | ||
| 通信及人工智能组行业光互连系列报告(一):FAU,CPO/NPO驱动量价双升 | 2026-11-03 | 22 | ||
| 人工智能及计算机行业行业月报:国家数据集团正式成立,物理AI迎奇点时刻 | 2026-11-07 | 27 |

行研数据库
创投数据库
证券数据库
商业数据库










