린 쉐우우 등 연구진이 개발한 SEM 모델은 3D 기하학적 정보와 로봇 신체 구조를 고려한 공간 이해 능력 향상으로 로봇 조작의 정확성과 일반화 능력을 크게 개선합니다. 기존 모델보다 우수한 성능을 보이며 로봇 조작 기술의 새로운 가능성을 제시합니다.

Zhi Zhong 박사 연구팀이 개발한 SpecMaskFoley는 ControlNet을 활용하여 사전 훈련된 SpecMaskGIT 모델을 영상-음향 동기화 Foley 합성에 적용하는 새로운 방법입니다. 주파수 인식 시간적 특징 정렬기를 통해 기존 모델의 한계를 극복하고, 벤치마크 평가에서 기존 최고 성능 모델을 뛰어넘는 결과를 달성했습니다.

Wu Daiqing 등 연구진이 발표한 연구는 멀티모달 대규모 언어 모델(MLLM)의 감정 분석 능력 향상에 컨텍스트 학습(ICL)을 활용한 새로운 접근 방식을 제시합니다. 데모 구성의 세 가지 요소(검색, 제시, 분포)를 최적화하고 모델의 편향성을 해결함으로써, 기존 제로샷 패러다임 대비 평균 15.9%의 정확도 향상을 달성했습니다. 이 연구는 MLLM의 감정 인식 능력을 확인하고 성능 향상을 위한 실용적인 전략을 제공합니다.

VLM-R³은 시각적 추론에 있어 새로운 가능성을 제시하는 획기적인 프레임워크입니다. R-GRPO와 VLIR 코퍼스를 통해 시각 정보의 효율적인 활용 및 통합을 가능하게 하며, MathVista, ScienceQA 등 다양한 벤치마크에서 최첨단 성능을 입증했습니다.

중국 연구팀이 개발한 EasyInsert는 데이터 효율성과 일반화 성능이 뛰어난 로봇 삽입 기술입니다. 5시간의 학습 데이터로 15개의 새로운 물체 중 13개에 대해 90% 이상의 삽입 성공률을 달성, 로봇 기술의 새로운 가능성을 제시했습니다.