跳到正文

试运行：收录范围与分类仍在校准，更新可能延迟。

只看论文研究#机器人学习
  1. arXiv 世界模型与脑机接口62

    3D World Simulator：混合粒子-体素动力学实现多模态 3D 世界模拟

    作者提出 3D World Simulator，一个以动作为条件的多模态世界模型框架，从统一 3D 表示中同时预测外观、几何与触觉观测。该方法用混合粒子-体素自编码器把点云压缩为紧凑 3D 体素隐变量，再由动作条件隐动力学模型预测其演化，支持任意视角的几何一致渲染与空间对齐触觉信号接入。

    关注价值：论文把外观、几何与触觉统一到同一 3D 表示中，读者可据此比较它与 2D 视频世界模型在空间一致性上的差异。

  2. arXiv · cs.RO66

    Archon Robotics 提出人形全身控制器 Anchor 1 并发布配套基准

    Archon Robotics 提出面向精确稳定全身操作的人形控制器 Anchor 1，并配套发布覆盖多种全身协调需求的基准。该方法采用校准后的稀疏动作参考，不做在线关节空间重定向，以保留任务相关的人体动作结构；同时引入与动作编码解耦的显式误差反馈。

    关注价值：该论文提出面向全身操作的人形控制器与配套基准，其真机跟踪误差下降幅度为评估控制精度提供了可对照的量化参照。

  1. MIT News · Robotics67

    MIT 提出 SANDO 轨迹规划系统，在未知动态环境中为无人机提供数学安全保证

    MIT 研究人员提出 SANDO 轨迹规划系统，可在没有地图、存在未知移动障碍的环境中为无人机规划出数学上可证明无碰撞的飞行路径，成果发表于 IEEE Transactions on Robotics。

    关注价值：该研究把未知动态环境下的避障安全从经验调参推进到可数学证明，并完成真机飞行验证。

  1. Physical Intelligence75

    Physical Intelligence 提出 RLT 方法：用 RL token 让 VLA 数小时内在线强化学习精密操作

    Physical Intelligence 提出 RL tokens（RLT）方法，在 VLA 上增加一个 RL token 作为紧凑接口，让小型 actor 和 critic 网络在机器人上实时在线强化学习，无需微调整个模型。

    关注价值：RLT 把在线强化学习压缩到数小时真机数据内，为 VLA 在精密操作阶段的快速适配提供了一条可复用路径。

  1. Physical Intelligence80

    Physical Intelligence 提出 MEM 多尺度具身记忆，让 π0.6 完成十五分钟长任务

    Physical Intelligence 提出多尺度具身记忆方法 MEM，为 π0.6 模型同时加入短期原始观测记忆和长期自然语言笔记，使模型能处理最长十五分钟的任务。

    关注价值：多尺度记忆让 VLA 在十五分钟级任务上保持进度与纠错，为长程操作提供可复用的记忆设计思路。

  1. Physical Intelligence66

    Physical Intelligence 用机器人奥运任务测试 π 0.6 微调能力

    Physical Intelligence 基于 π 0.6 模型微调，尝试 Benjie Holson 提出的“机器人奥运会”日常操作任务，在 5 类任务中 3 类达到金牌任务水平、2 类达到银牌任务水平，多数任务数据采集不足 9 小时。

    关注价值：原文用第三方提出的日常操作任务清单检验π 0.6微调效果，并给出与无机器人预训练基线的对比，可据此判断通用机器人预训练对下游任务的实际作用。

  1. Physical Intelligence76

    Physical Intelligence 研究：VLA 模型随预训练规模出现人类到机器人迁移

    Physical Intelligence 在研究中发现，视觉-语言-动作（VLA）模型随机器人预训练数据规模扩大，会出现从人类视频到机器人任务的迁移能力。团队用 π0.5 做简单的人机联合微调，把人类视频中的动作表示为 3D 手部位置，在 4 个仅由人类数据展示的泛化场景中性能提升约 2 倍，且未使用专门的迁移机制。

    关注价值：该研究显示人类视频到机器人的迁移随机器人预训练数据规模扩大而出现，为降低真机数据依赖提供了一条可复用路径。

  1. Physical Intelligence85

    Physical Intelligence 发布 π*0.6：用 Recap 从经验中学习的 VLA

    Physical Intelligence 发布基于 π0.6 的视觉-语言-动作模型 π*0.6，采用 Recap 方法结合示范、遥操作纠错与强化学习，在自主经验上训练后部分最难任务的吞吐量提升一倍以上、失败率可降低一半以上。

    关注价值：原文给出三个真实任务上的吞吐与成功率对比，可据此判断强化学习与纠错数据对 VLA 可靠性提升的实际幅度。

已经到底了