NVIDIA（英伟达）

SoftMimicGen: A Data Generation System for Scalable Robot Learning in Deformable Object Manipulation

SoftMimicGen：一种用于可变形物体操作规模化机器人学习的数据生成系统

Masoud Moghani, Mahdi Azizian, Animesh Garg, Yuke Zhu, Sean Huver, Ajay Mandlekar

机构 * NVIDIA（英伟达） ； University of Toronto（多伦多大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出SoftMimicGen，一种自动化数据生成流水线，用于可变形物体操作任务，涵盖多种真实物体和行为，通过高保真模拟环境生成数据并训练高性能策略。

Can Users Specify Driving Speed? Bench2Drive-Speed: Benchmark and Baselines for Desired-Speed Conditioned Autonomous Driving

用户可以指定驾驶速度吗？Bench2Drive-Speed：用于期望速度条件下的自动驾驶的基准和基线

Yuqian Shao, Xiaosong Jia, Langechuan Liu, Junchi Yan

机构 * Institute of Trustworthy Embodied AI (TEAI), Fudan University（复旦大学可信具身人工智能研究所） ； NVIDIA（英伟达） 纠错

AI总结 本文提出Bench2Drive-Speed基准，通过引入用户期望速度和超车指令，设计了Speed-Adherence Score和Overtake Score等指标，验证了在不增加真实世界数据收集的情况下，通过重新标注常规驾驶数据可实现速度监督。

Comments Project page: https://thinklab-sjtu.github.io/Bench2Drive-Speed/

Towards Embodied AI with MuscleMimic: Unlocking full-body musculoskeletal motor learning at scale

迈向具身体验AI的MuscleMimic：解锁大规模全身体质运动学习

Chengkun Li, Cheryl Wang, Bianca Ziliotto, Merkourios Simos, Jozsef Kovecses, Guillaume Durandau, Alexander Mathis

机构 * EPFL（瑞士联邦理工学院洛桑分校） ； McGill University（麦吉尔大学） ； Feil & Oberfeld CRIR-Jewish Rehabilitation Hospital Research Center（Feil & Oberfeld CRIR-犹太康复医院研究中心） ； NVIDIA（英伟达） 纠错

AI总结 MuscleMimic通过生理真实的人形机器人模型，实现了大规模全身体质运动学习，结合并行GPU模拟，提升了训练效率，验证了运动再现的准确性。

Improving Generative Model-based Unfolding with Schrödinger Bridges

通过施罗德inger桥改进生成模型展开

Sascha Diefenbacher, Guan-Horng Liu, Vinicius Mikuni, Benjamin Nachman, Weili Nie

机构 * Physics Division, Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室物理部） ； Autonomous Control and Decision Systems Laboratory, Georgia Institute of Technology（佐治亚理工学院自主控制与决策系统实验室） ； National Energy Research Scientific Computing Center, Berkeley Lab（伯克利实验室国家能源研究科学计算中心） ； Berkeley Institute for Data Science, University of California, Berkeley（伯克利数据科学研究所） ； Machine Learning Research Group, NVIDIA Research（NVIDIA研究机器学习研究组） 纠错

AI总结 本文提出SBUnfold方法，结合判别与生成模型优势，通过施罗德inger桥和扩散模型实现高维展开，验证其在合成数据集上的优越性能。

Comments 9 pages, 5 figures

Journal ref Phys.Rev.D 109 (2024) 7, 076011