BaseLine

RLWRLD запустил интересный сайт All Hands Up ! с подборкой ловких рук 🖐 На нём можно посмотреть URDF, спецификацию, подвигать ползунками каждый джойнт и почитать про опыт работы с такими руками 🔥

Наглядно про рост количества статей с велком ремакс ICML 2026

Всем привет! Сейчас в Южной Корее проходит одна из топовых конференций по ИИ – ICML 2026. На ней мы представляем одну работу на мейн треке и две на воркшопах. 🚀 KAGE-Bench: Fast Known-Axis Visual Generalization Evaluation for Reinforcement Learning 🗓️ Main track, Jul 7, 2:00 – 3:45, HALL A #4409 🚀 (Oral!) Don’t Blind Your VLA: Aligning Visual Representations for OOD Generalization 🗓️ SCALE Workshop – Jul 10, Ballroom 201  🚀 VLA Grounder: Language-Conditioning Space Optimization for Black-Box VLA Models 🗓️ DEMO Workshop – Jul 11, Ballroom 203 Если вы на конференции, приходите пообщаться и обсудить работы 🤗

Всем привет!  Выложили нашу работу “Does VLA Even Know the Basics?” в Daily Papers на Hugging Face 🤗 В статье мы задаёмся простым, но пока почти не изученным вопросом: есть ли в VLA-моделях commonsense знания о мире? 📚 ⚡️Мы предлагаем Act2Answer: бенчмарк, где VLA модель отвечает на вопросы не текстом, а действием - кладёт куб на правильный вариант. Проверили 7 VLA и 9 VLM моделей на 12 категориях. 💡Интересные инсайты из работы: → VLA хорошо понимают примитивные концепты по типу Цвета и Формы → На более сложных категориях (Эмоции, Животные, Симметрия, Время, Счет, История) у VLA сильный дроп в сравнении с VLM → Знания есть в весах VLA моделей, однако они не транслируются в действия → Котрейнинг на VL данных хорошо помогает сохранять знания → SFT/RL файтюнинг на downstream роботикс задачах дергадирует знания Поддержите нас апвоутом пожалуйста ❤️

О ключевом элементе в развитии современных роботов — памяти⤵️ Егор Черепанов, младший научный сотрудник группы «Воплощённые агенты» лаборатории когнитивных систем искусственного интеллекта Института AIRI, рассказывает в интервью «Ъ-Науке»: ⚫️что исследователи обычно имеют в виду, говоря о памяти робота ⚫️зачем она нужна современным роботам и какие проблемы могут возникать, если они «не помнят» ⚫️почему адаптация оказывается сложной задачей для роботов ⚫️как работать с памятью и где она хранится 📎Читайте материал по ссылке.

🔥Всем привет! 📆Завтра (05.06) в 17:00 Егор Черепанов, Алексей Староверов и Татьяна Земскова разберут архитектуру и методы обучения и инференса модели RLDX-1 от корейского стартапа RLWRLD и обсудят, почему эту работу уже можно считать заметным вызовым современным VLA-моделям. ⚫️Авторы предлагают VLA-архитектуру для мобильной манипуляции, которая объединяет память на разных уровнях, тактильные сигналы, синтетические данные для редких сценариев и оптимизации инференса для работы в реальном времени. ⚫️Отдельно будет уделено внимание архитектуре MSAT, где разные модальности обрабатываются отдельными потоками и затем связываются через совместное self-attention. ⚫️Также будет разобрано, как эти инженерные и модельные решения переводятся в практический результат: RLDX-1 работает на частоте до 22 Гц на RTX 5090, а в экспериментах на реальном роботе и в симуляции заметно превосходит сильные базовые модели, включая π0.5 и NVIDIA GR00T N1.6. В частности, в задачах для гуманоидного робота ALLEX модель достигает 86.8% успеха против примерно 40% у конкурентов. ⚫️На семинаре обсудим, насколько эти результаты делают RLDX-1 серьёзным конкурентом для Pi0.7 и других SOTA VLA, а также посмотрим, что особенно важно для сообщества: у работы уже доступны код и веса. Ссылки: 1. Технический репорт 2. Код и веса моделиr 🍿Ссылка на подключение Подписаться⤵️ Embodied AI Reading Club

Завершилась конференция AAMAS 2026 Международная конференция по автономным агентам и многоагентным системам в этом году проходила с 25 по 29 мая в городе Пафос, Кипр. На ней исследователи лаборатории когнитивных систем искусственного интеллекта AIRI Александр Панов, Алексей Скрынник, Алексей Ковалёв, Егор Черепанов, Мария Нестерова и Антон Андрейчук представили 3 работы⤵️ 📎Don't Blind Your VLA: Aligning Visual Representations for OOD Generalization 📎Memory Retention Is Not Enough to Master Memory Tasks in Reinforcement Learning 📎MARL-GPT: Foundation Model for Multi-Agent Reinforcement Learning Делимся фотографиями с Кипра📷 #AIRIнаКонфе

Друзья! Мы с командой @amazing_research просим помочь с проведением пользовательского исследования для статьи Задача — оценить реалистичность автоматически сгенерированных текстовых контекстов для персонализированной рекомендации фильмов Прохождение задания занимает около 5 минут и не требует специальных знаний Telegram-бот: @RecSysUserStudyBot Заранее спасибо всем, кто пройдет! Важно пройти его до 5го июня, чтобы мы успели обработать результаты 🤗

🪼 — До конца подачи заявок в магистратуру ЦКМ осталось 2 дня — делимся историями наших студентов! Первый гость интервью: Максим Бредихин, выпускник бакалавриата МГТУ им. Н. Э. Баумана, студент магистратуры ЦКМ. В Центре он занимается full-body control — это методы, которые позволяют мобильным манипуляторам и антропоморфным роботам расширять свои возможности за счет движения всего тела, а не только отдельных частей. Как узнал о ЦКМ? На ROS Meetup. Там я пообщался со студентами и сотрудниками Центра, они рассказали про проекты внутри ЦКМ и про магистерскую программу. Решил поступать именно сюда, так как многие темы были близки с моей научной и профессиональной деятельностью. Почему именно магистратура ЦКМ? Меня привлёк разнообразный набор дисциплин: можно глубоко погрузиться в предметную область, разобраться в современных SOTA-методах и в дальнейшем начать писать научные статьи. Также для меня важно, что преподаватели — это действующие исследователи, публикующие A* статьи, которые делятся своим опытом и всегда открыты к сотрудничеству и нетворкингу. Отдельно привлекает техническая возможность работать с реальными роботами и оборудованием, чтобы проверять свои гипотезы не только в симуляции, но и на железе. Следующая история может быть ваша! Подавайте заявку на собеседование в магистратуру ЦКМ до 1 июня. Подробнее. Поддержим Максима реакциями🪼

🎓 — Семинар 16. Обобщаемость VLA моделей, выравнивание текстово-визуальных представлений в VLA моделях | Никита Качаев На семинаре разберёмся, почему VLA-модели после дообучения начинают «забывать», терять фокус и тексто-языковое понимание при обучении на малых робототехнических датасетах, и как метод выравнивания визуальных представлений помогает это исправить. А также на примере результатов на бенчмарке VL-Think посмотрим, насколько хорошо VLA модели усваивают знания из повседневной жизни. 📎Github 👉🏻 Дата: 21.05.26, четверг в 17:00 📹 Трансляция: Youtube или ВК Подключайтесь к живому обсуждению и задавайте вопросы в прямом эфире! Ждем всех! #семинары #VLA

🦾 — Продолжается набор в магистратуру ФПМИ МФТИ по искусственному интеллекту и робототехнике! Поступление проходит по 2 направлениям: — “Фундаментальные методы искусственного интеллекта” – база ЦКМ, 25 мест — “Мультимодальный искусственный интеллект”– база Институт AIRI, 10 мест Для поступления необходимо: 🪼Заполнить заявку на нашем сайте до 1 июня и пройти собеседование в Центре. 🪼Подать документы на сайте приёмной комиссии МФТИ и успешно пройти вступительные испытания. В Центре под руководством ведущих специалистов в своих областях вы сможете заниматься написанием статей на передовые конференции А* (NeurIPS, ICLR, ICML, IJCAI и др.), а также работать над прикладными проектами по тематикам: 🪼Обучение с подкреплением для задач робототехники (манипуляция, навигация) 🪼Мультимодальные карты знаний в компьютерном зрении и робототехнике 🪼Компьютерное зрение для задач робототехники и беспилотного транспорта 🪼Большие языковые и мультимодальные модели для генерации действий в роботототехнике 🪼Мультимодальные среды и модели в обучении с подкреплением 🪼Заполняйте зявку на прохождение собеседования до 1 июня! Информация для поступающих есть на сайтах ЦКМ и приёмной комиссии.

Исследователи AIRI представили модель, которая может запоминать многое, не увеличивая потребность в вычислениях Робот часто видит важную информацию задолго до того, как её необходимо использовать. Если система не умеет надёжно хранить и вовремя извлекать данные, ей трудно действовать в сложной и меняющейся среде. Обычные трансформеры решают эту задачу не полностью: одни модели становятся слишком дорогими по вычислениям, другие плохо контролируют, что именно забывается. В ELMUR каждый слой содержит фиксированное количество слотов памяти, которые параллельно взаимодействуют с основным потоком данных. Система может читать информацию из этих ячеек, когда принимает решение, и записывать туда новые данные. Если память начинает заполняться — обновляются те ячейки, которые использовались реже всего. Это даёт ИИ компактное, но устойчивое хранилище, которое может удерживать важную информацию на протяжении 100 тысяч шагов за пределами обычного окна внимания. О разработке рассказали на ICLR 2026. Научная статья | CNews

Одна из наших статей с ICLR 2026🦾