LectūraAgents

AI 학습에 교수-학생 (professor-student) 역학을 도입합니다. 멀티 에이전트 (multi-agent) 팀이 연구, 계획을 수립하며, 진정한 개인 맞춤형 교육을 위해 적응형 필기 (adaptive handwriting), 하이라이트 (highlights), 그리고 음성 정렬 동작 (speech-aligned actions)을 갖춘 체화된 레슨 (embodied lessons)을 전달합니다.

데이터셋 (Dataset):
https://huggingface.co/datasets/Jaward/lectura-agents-data
…
논문 (Paper):
https://paperswithcode.co/paper/2606.16428
…

ACE-Ego-0는 VLA 사전 학습 (pretraining)을 위해 1인칭 시점 (egocentric)의 인간 및 로봇 데이터를 통합합니다.

6,000시간 이상의 혼합 데이터로 학습된 이 모델은 카메라 공간 정렬 (camera-space alignment)과 신뢰도 인식 손실 (reliability-aware loss)을 통해 인간의 비디오를 로봇의 의사 동작 (pseudo-actions)으로 변환합니다. RoboCasa에서 72.8%, RoboTwin에서 91.1%를 달성했습니다.