提升机器人避障新高度：探索ARMOR自感知系统的创新技术

大模型(LLM)是一种人工智能模型，旨在理解和生成人类语言。它们在大量的文本数据上进行训练，可以执行广泛的任务，包括文本总结、翻译、情感分析等等。LLM的特点是规模庞大，包含数十亿的参数，帮助它们学习语言数据中的复杂模式。这些模型通常基于深度学习架构，如转化器，这有助于它们在各种NLP任务上取得令人印象深刻的表现。

2022年底，OpenAI 推出的基于 GPT-3.5 的大型语言模型 ChatGPT，由于其优秀的表现，ChatGPT 及其背后的大型语言模型迅速成为人工智能领域的热门话题，吸引了广大科研人员和开发者的关注和参与。

为了方便大家阅读，只列出了论文标题、AMiner AI综述等信息，如果感兴趣可点击查看原文，PC端数据同步（收藏即可在PC端查看），每日新论文也可登录小程序查看。

如果想要对某篇论文进行深入对话，可以直接复制论文链接到浏览器上或者直达AMiner AI页面：
https://www.aminer.cn/chat/g/explain

ARMOR: Egocentric Perception for Humanoid Robot Collision Avoidance and Motion Planning

【要点】：ARMOR是一种新颖的机器人自感知系统，通过集成硬件和软件，特别是引入类似可穿戴设备的深度传感器，提高了人形机器人在密集环境中的避障能力和运动规划敏捷性。
【方法】：研究采用分布式感知方法，增强机器人的空间感知能力，并通过模拟中训练的基于变换器的模仿学习策略实现动态避障。
【实验】：研