跳到正文
11月19日周四
  1. arXiv · ML40

    自进化世界模型中的自主视频生成框架

    论文提出“自主视频生成”概念,旨在构建自进化世界模型。其核心主张是模型评估不应仅看视频保真度,而应衡量生成帧在反事实干预下的有效行动能力。 文章形式化了生成、绑定、验证与蒸馏的四阶段闭环优化流程,并定义了新颖性、一致性、OOD及效率四项指标。 该框架以无人机和机械臂为具身测试床,通过扰动风场、感知限制等约束,验证生成视频对决策的实际指导意义。

  2. arXiv · ML24

    仅依靠人类运动数据的模仿学习无法保证生成生物力学上合理的步态动力学

    研究对比显示,包含地面反力与压力中心的动力学感知模仿学习(KAIL)比纯运动模仿学习(MOIL)能生成更符合生物力学的关节力矩。KAIL 将垂直地面反力和压力中心误差降低 40% 和 48%,髋、膝、踝关节力矩误差分别降低 19%、18% 和 35%。该发现揭示了纯运动模仿学习在步态动力学估计上的根本局限,可能影响可穿戴机器人设计及病理步态诊断。

  3. arXiv · AI20

    MANGO-Grasp 是一种基于几何定向 3D 高斯图元的各向异性交互框架,用于跨具身灵巧抓取。

    该模型将物体表示为保留局部表面几何的高斯基元,并用预训练描述符编码手部形态与运动学,结合各向异性马氏距离场建模手部接触。 在 CMAP 和 MultiGripperGrasp 基准测试中,其性能超越最强基线最多 8.24 个百分点,在未见 SharpaWave 手上提升 16.57 个百分点,真实实验成功率达 86%。

  4. arXiv · AI30

    WorldComposer:基于数字表亲实现泛化机器人学习与评估的高保真生成式仿真

    WorldComposer 通过 Real2Sim2Real 框架,将真实全景图映射为高保真仿真环境,并合成数字表亲(Digital Cousins)实现数据增强。 该平台支持刚性、铰接及变形物体的交互操作,结合多房间拼接构建大规模环境,实验验证了 sim-to-real 高保真度及泛化性能。 该方法显著提升了机器人策略在未见场景和物体变化下的泛化能力,为高效学习与评估提供了解决方案。

  5. arXiv · AI26

    WACO 提出位姿鲁少样本视觉-语言-动作模型,提升机器人操作策略稳定性

    研究团队提出世界锚定规范化框架 WACO,解决 VLA 模型因相机与机器人基座偏移导致的策略失效问题。在 LIBERO-PoseShift 基准及 UR5e 机器人测试中,WACO 将移位成功率分别提升 13.2 和 36.7 点,恢复 90% 仿真性能差距。该方法无需额外数据或测试时校准,在无扰动训练数据方法中创造新纪录。

  6. arXiv · AI33

    VLN-AR:面向复杂环境无人机板端视觉-语言-导航的分层框架

    提出 VLN-AR 分层视觉-语言-导航框架。经板端优化,其在资源受限无人机平台上实现 7.1x-9.4x 推理加速,仿真与实机导航性能均优于现有方法。 框架利用基于 3D Gaussian Splatting 的自动化管线生成导航数据,结合三阶段训练与轻量级认知智能体,增强场景推理及长时程任务分解能力。

  7. arXiv · AI23

    Panini:一种用于机器人设计的可行类型化生成语法与搜索方法

    论文提出了一种类型化生成语法和名为 PANINI 的交叉熵搜索方法,用于生成机器人操作技能和形态。 该语法通过几何实现映射将语法组合转换为 SE(3) 中的变换,其仲裁决策可从几何包含关系中恢复,在 10 个种子下与欧几里得对照相比,一致性达到 0.905 +/- 0.062,显著优于对照组的 0.611 +/- 0.090。

  8. arXiv · ML27

    DUAC 基于流场不确定性的自适应动作时域选择

    提出 DUAC(基于散度的不确定性感知自适应动作分块)方法,利用预训练视觉语言动作(VLA)模型的流场向量,通过单次生成和雅可比-向量积计算动作级不确定性,无需重训练或多端点采样。 在 LIBERO 系列和 RoboCasa 基准测试中,DUAC 的自适应时域选择在保持高任务成功率的同时,实现了低不确定性估计延迟。 该方法确立了流向量场作为机器人决策中高效、轨迹条件化预测不确定性来源的地位。

11月18日周三
  1. arXiv · NLP28

    Spike-driven VLA 模型实现高效机器人操控

    首个基于脉冲驱动的 VLA 框架实现机器人操控端到端直接训练,采用多赢家脉冲融合与 Spike Action Chunking Transformer 组件。 该框架在 LIBERO 和 Meta-World 基准测试中表现具有竞争力,且参数量更少、推理能耗更低。 为资源受限平台上的具身智能建立了神经形态基础。

  2. arXiv · AI36

    SKYPART:基于原型语义部件发现的跨视角气象鲁棒地理定位

    SKYPART作为轻量级模块,在SUES-200等基准上实现单次检索无重排的SOTA性能,其26.95M参数量为对比中表现最佳的最小模型。 该方法通过可学习原型、海拔条件调制及图注意力读出机制,使模型在十种WeatherPrompt腐败条件下精度优势进一步增加。 论文已被Neurips 2026接收,代码已开源,为低空经济中GNSS失效场景下的无人机自主定位提供了可靠替代方案。

  3. arXiv · ML22

    Barrier-Guided Diffusion Sampling 实现异构团队能力组合

    针对协作演示数据缺失难题,该研究提出通过 Barrier-Guided Diffusion Sampling 将团队物理约束编码至生成模型采样过程。 方法基于单智能体演示训练,无需重训即可生成满足约束的协作轨迹,并在双任务及多机器人测试床验证有效性。 该方法使异构智能体团队能在无协作数据条件下,通过组合已有能力完成超越个体极限的任务。

  4. arXiv · AI23

    AgentWorld:用于自动驾驶的以智能体为中心的视觉-语言-动作世界模型

    研究提出以智能体为中心的 VLA 世界模型 AgentWorld,通过离散智能体 token 同时完成推理与轨迹规划,克服像素级生成的性能瓶颈。 该模型将每个 token 动态关联到周边智能体及其状态(语义、3D 几何、运动等),并经由显式几何 grounding、监督微调和面向智能体的强化学习进行训练。

  5. arXiv · ML36

    ANYmal D 机器人世界模型(RWM)学习模拟器的端到端审计

    审计显示 ANYmal D 的四足机器人世界模型 RWM 中,基于模型自身 rollout 的训练优于单步训练。 测试了 101 个模拟器和 200 个压缩副本,发现 30% 权重剪枝仅保留 39% 的 2 秒技能,集成分歧在 100 步时的 Spearman 相关系数为 +0.90。 18 个微调副本中 13 个生成了失败策略,表明模拟器准确性未能预测实际行走表现。

  6. arXiv · ML26

    制造差异稀疏性:面向高效世界模型规划的规划器-硬件协同设计

    研究人员提出一种 JEPA 式世界模型规划器-硬件协同设计,通过参考森林采样制造差异比特级稀疏性。 该设计使三个 JEPA 世界模型的推理速度比稠密加速器快 1.28-1.80 倍,能耗降低 38-52%;比先前比特稀疏设计快 1.22-1.58 倍,能耗降低 16-36%。 这是首个为 JEPA 式世界模型规划制造比特级稀疏性的规划器,也是首个针对该场景的算法-硬件协同设计。

  7. arXiv · AI23

    当世界成为测试套件:面向物理世界的智能体研究综述

    该论文探讨了面向物理世界的智能体如何生成、测试并学习程序,提出将现实世界视为程序的测试套件,以应对缺乏预设测试用例的挑战。 文章分析了语言模型与软件工程智能体的融合,详细阐述了机器人策略生成、基于物理试验及形式化检查的测试机制,以及将测试经验存入技能库或模型权重的学习路径。 作者指出编写程序的成本正在降低,但获取可靠证据依然昂贵,未来进步取决于建立类似持续集成的物理验证体系。

  8. arXiv · ML35

    Heave-Ho:去中心化长时程多人形机器人协作框架

    去中心化框架 Heave-Ho 实现长时程多人形机器人协作,经 2 个机器人训练后可扩展至 10 个机器人团队,并泛化至异构团队且无需重训练。 该框架包含多智能体后训练底层控制与视觉-语言规划高层模块,配合语音主从协调机制在无网络通信下同步执行,并在 12 项任务的 HH-Bench 上表现优于基线方法。

  9. arXiv · ML40

    基于Unitree Go2四足机器人的热感知强化学习策略实现从热限制到电池限制的持续运动

    在Unitree Go2四足机器人上,采用热感知强化学习策略将持续运动瓶颈从热关机转变为电池耗尽。 该策略基于13节点集总RC热网络预测电机温度,无需实时温度输入即可降低峰值热量。在载5kg负载以1m/s速度下,策略使机器人续航延长至174分钟(10.0km),热裕量14℃。

  10. arXiv · AI28

    RoboTeam 基准测试:基于视觉的多智能体实时控制多机械臂

    RoboTeam 是一个模拟基准,要求智能体仅凭摄像头图像在实时环境中协同控制 4 至 16 个机械臂完成长周期任务。 在自适应系统中,gpt-6.1-sol 和 opus-5.5 分别完成 28 和 27 项任务,而其他四个模型最多完成 3 项。 gpt-6.1-sol 典型任务耗时 3.5 小时,消耗 2.18 亿输入 token,且三分之一步骤需重试。

  11. arXiv · ML23

    EDL 不确定性校准优化多 ASV 漏油监测路径规划

    Evidential Deep Learning (EDL) 在多 ASV 信息路径规划中表现最优,解释最终重构误差方差的 80%。 EDL 在 60 张地图测试中误差最低、IoU 最高,单步耗时 3.9 ms,校准性能优于 MC Dropout 和 Deep Ensembles。 信息模型对规划器采集数据的鲁棒性是不确定性感知 IPP 的必要条件。

  12. arXiv · ML23

    WM-Quant 发布面向 JEPA 世界模型的滚动感知训练后量化框架

    WM-Quant 提出首个专为 JEPA 世界模型设计的训练后量化框架,在 W4A4 低位宽下使规划成功率接近全精度性能。 该方法包含早期编码器精度保持、控制路径保留及滚动感知缩放组件,通过联合校准整个滚动序列的激活范围,解决了自回归 MPC 推理中量化误差逐步累积导致动作排序近随机的核心痛点。

  13. arXiv · AI33

    RecPo:通过重组程序知识实现组合式机器人技能适应

    研究提出 RecPo 框架,通过重组现有组件而非完全新学行为,实现机器人技能的低成本重新配置。 在扩展 Franka Kitchen 基准的长时程任务中,RecPo 在 1.0 ms 任务推理延迟下达成 91.9% 有序完成率,支持稀疏程序支持。 实机研究表明,RecPo 可通过局部记忆编辑实现适应,无需针对特定任务进行重新训练。