TIF：用执行反馈审计想象奖励的 VLA 后训练监督选择方法
作者提出 Trusting Imagined Futures（TIF），一种面向 VLA 后训练的离线监督选择方法，用执行反馈审计世界模型预测的奖励。该方法由多维奖励模型给出候选效用分和五个执行质量维度，审计器结合奖励预测与不确定性识别高估模式，仅在效用优势超过阈值且审计风险达标时替换现有轨迹，否则保留原监督用于行为克隆。
试运行：收录范围与分类仍在校准，更新可能延迟。 最近内容更新：2026-11-04 17:28（北京时间）
#具身大模型
arXiv 世界模型与脑机接口AI 评分5757 arXiv 世界模型与脑机接口精选AI 评分6262 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。
arXiv · cs.ROAI 评分4242 从概念到实际原因：弥合机器人基础模型的概念-故障鸿沟
一篇立场论文将机器人基础模型的事后故障定位形式化为实际因果问题，提出由被干预内部组件、反事实值、偶然因素与读出构成的故障隔离查询元组及其良定义条件。作者指出当前机制可解释性方法假设偶然因素固定、仅读出即时效应，使备份路径掩盖实际原因，并用玩具示例展示这些缺陷会导致相互冲突的判定。基于良定义条件，论文列出四项开放研究任务以弥合概念-故障鸿沟。
机器之心AI 评分6060 LeCun团队论文用JEPA证明柏拉图表征假说，1.09亿参数模型对齐分数超过720亿LLM
机器之心报道，Yann LeCun 参与提交的论文《Proving and Improving the Platonic Representation Hypothesis with JEPAs》从数学上论证下一 token 预测路线在形成跨模态表征上效率较低，并提出用 JEPA 的「好视图」训练改进对齐。
新智元AI 评分5858 SpatialScout 基准发布：考察智能体主动探索并定位三维空间物体
新智元报道了 SpatialScout 基准，它让 AI 在未见过的虚拟房间中自主决定转向、移动和拍摄，并提交目标物体的三维坐标。
机器之心AI 评分7575 飞捷科思与复旦CITLab提出Fysiverse-UniWAM，24项真机测试导航与移动操作双第一
飞捷科思（Fysics AI）联合复旦大学认知与智能技术实验室提出统一世界动作模型 Fysiverse-UniWAM，不依赖大规模机器人预训练，将自主导航、移动操作与固定工位灵巧操作贯通。
Chelsea FinnAI 评分4040 生成式价值分类器无需动作条件
生成式价值分类器是一种新的Q函数参数化方式，无需动作条件。 我们认为这些分类器或许能与大规模预训练策略优雅地结合，并从更丰富的输出信号中更好地学习和泛化。 论文：https://alexanderswerdlow.github.io/gvc/
Turing PostAI 评分5353 LeHami 解读：哈密顿力学如何帮 JEPA 世界模型预测运动
Turing Post 发布解读文章，介绍 Yann LeCun、Romina Yalovetzky 和 Randall Balestriero 提出的 LeHami，一种把哈密顿力学引入 JEPA 的世界模型。
Physical Intelligence精选AI 评分7575 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。
Physical Intelligence精选AI 评分8080 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。
Physical Intelligence精选AI 评分6666 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。
Physical Intelligence精选AI 评分7676 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。
Physical Intelligence精选AI 评分8585 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。