斯坦福华人团队开发的炒虾机器人Mobile ALOHA刷屏全网，能完成各种复杂任务，项目成本仅为22万元，全部开源。
除了模仿学习，斯坦福团队还开发了低成本的全身遥操作系统Mobile ALOHA，用于收集双臂移动操作数据。该系统将机器人安装在轮式底座上，实现了全身远程操控。研究人员可以通过遥控器控制机器人的移动和操作，从而完成各种复杂的任务。这个全身远程操控系统的设计简单直接，使用方便灵活，为机器人的操作提供了便利。
要点:VCoder作为一个视觉编码器，为MLLM提供了更好的视觉感知能力，能够处理特殊类型的图像，并改善了对象感知任务的表现。在与其他模型的比较中，VCoder在对象计数和识别方面表现出色，特别是在复杂场景中。
25. 使用 Chat GPT 生成视觉描述:Chat GPT 可以为视觉内容创建详细且引人入胜的描述，帮助视障用户访问。