基于大型多模态模型的机器人辅助协作任务

提出了一种自我监督的数据收集流程，通过拆卸完整套件获得物体与放置位置的对应关系，学习形状描述符以实现高成功率的装配和拾取策略。

基于演示学习和姿态估计的人机协作装配系统能够适应人类操作中的不确定性，成功适应不同目标位置。

GoferBot是一个基于视觉感知的语义人机协作系统，能够在动态环境中理解人的行为，实现高效的协作任务。

ChatGPT在机器人控制系统RoboGPT中显著提高了人机协作中的信任度，促进了更自然的交互。

提出了基于transformer的模型GPAT用于异形零件的组装规划，展示了其在多样化目标和部件形状方面的泛化能力。

Co-NavGPT框架利用大型语言模型作为多机器人合作视觉目标导航的全局规划器，实验结果显示其在成功率和效率上优于现有模型。

RoboLLM框架在ARMBench挑战中表现优异，减少了模型选择和调优的工作量，提升了视觉感知任务的效果。

结合多模态GPT-4V和自然语言指令，增强了机器人在具身任务规划中的表现，丰富了对以LLMs为中心的具身智能的理解。

提出了一种增强基于大型语言模型的自主操作的方法，通过人机协作实现机器人在复杂轨迹规划和环境推理中的高效任务完成。