热议中模型发布
ICRA 2026｜新国立Bi-Adapt：基于语义对应的少样本双臂适配，实现跨类别泛化
TL;DR · 一句话结论
新加坡国立大学LinS Lab提出Bi-Adapt，利用视觉基础模型的语义对应实现双臂操作在未见类别物体上的少样本适配，在仿真和真实环境中验证了跨类别泛化能力。
主要内容
- 01Bi-Adapt基于视觉基础模型实现语义对应。
- 02支持少样本适配新类别物体。
- 03在5类复杂任务上评估，含仿真和真实环境。
- 04在数据受限条件下取得高成功率。
- 05代码和论文已开源。
- 06项目主页和arXiv论文可访问。
背景
双臂操作是机器人完成复杂任务的关键，但传统方法依赖大量数据且难以泛化到新物体。Bi-Adapt利用视觉基础模型（如DINOv2等）建立语义对应，将已知物体的操作知识迁移到未见类别，只需少量新数据即可适配。
为什么值得关注
对AI工具用户和开发者而言，Bi-Adapt展示了视觉基础模型在机器人操作中的实用价值，尤其是少样本泛化能力可降低数据采集成本。开源代码和论文便于复现和二次开发，适合关注具身智能和机器人学习的群体。
🇨🇳
对中国用户与市场
国内机器人研究者和开发者可直接使用开源代码和模型，降低双臂操作泛化研究的门槛。但需注意依赖的视觉基础模型可能受限于国外平台，国内用户需自行适配国产算力或模型。
继续关注
⚠尚未确定的部分
- ·实验仅在有限任务和物体类别上验证，实际泛化能力待更多测试。
- ·依赖视觉基础模型，其性能可能影响最终效果。
- ·少样本适配策略在极端新类别上可能失效。
→可采取的行动
- ·访问项目主页和arXiv论文了解技术细节。
- ·下载开源代码在仿真环境中复现实验。
- ·关注视觉基础模型在机器人操作中的最新进展。
- ·考虑将Bi-Adapt适配到国产机器人平台。
摘记
Bi-Adapt: Few-Shot Bimanual Adaptation
#新加坡国立大学#LinS Lab#Bi-Adapt#ICRA 2026#双臂操作#少样本学习#视觉基础模型#机器人泛化#具身智能
🤖 本文根据 雷峰网 的 RSS 内容整理，并由 AI 辅助提炼要点。完整上下文请以 原文 为准。