https://gulucaptain.github.io/DailyPaper/tags/%E6%9C%BA%E5%99%A8%E4%BA%BA%E5%AD%A6%E4%B9%A0/Recent content in 机器人学习 on gulucaptain's BlogHugozh-CNSat, 03 Oct 2026 05:54:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-03/Sat, 03 Oct 2026 05:54:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-03/周末补遗，来源为 2026-10-02（Fri, 2 Oct 2026）公告批次。精选 8 篇论文：把潜空间劈成可控与不可控两块、让干扰信号全部落进不可控区的 CF-JEPA（Georgia Tech，密集干扰下唯一不坍缩）、用多样化 beam search 造候选未来再用组相对优势反哺世界模型的 FutureWorlds（港科大广州 + 港中文 + 腾讯 + 中科大 + 北大等，RT-1 / BridgeV2 / RoboCasa 的 32 帧 LPIPS 降 14.78% / 20.84% / 9.12%）、联合训练 tokenizer 与流匹配动力学以显式塑造「可预测」表征的 Latent-Foresight（Archimedes / Athena 研究中心 + valeo.ai，高分辨率 VFM 预测全面领先）、按相机共视性逐 chunk 检索、把长程训练成本压平的 Memorizon（MBZUAI 基础模型研究所，回访一致性再涨 24%–30%）、用稀疏三维骨架当世界状态、无需视觉重建的 SkeleWAM（北京大学，LIBERO-Plus 85.9% / 57.1M 参数）、先对齐再注入的预测式 VLA 框架 ATI-VLA（哈工大深圳 + 大湾区大学，NeurIPS 2026，LIBERO 平均 97.9%）、覆盖 10 类记忆的 90 任务长程操作基准 MIKASA-Robo-VLA（AXXX + MIRIAI + 俄罗斯高等经济学院），以及在仿真里真正执行扰动动作、再把视觉后果配回去的 CtrlWAM（NVIDIA，WorldArena 六项全最优）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-23/Wed, 23 Sep 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-23/精选 8 篇 ArXiv 论文，覆盖 2026-09-22（Tue, 22 Sep）公告批次。涵盖用相机可查询隐式 3D 记忆做长程一致的 WorldCrafter（北京大学 + 腾讯 IEG ARC Lab，回访一致性相对最强基线提升 47.6%）、学习内禀动力学算子的 NeuIDO（上海交大 + 厦门大学，ECCV 2026，few-shot 后平均 CD 1.643→1.216）、把世界模型表征一次性离线蒸馏进 0.8B 紧凑策略的 Think Like a World Model（UW-Madison + UIUC，LIBERO 97.9%、RTX 5090 上 32 ms / 1.86 GB）、把触觉作为预测世界状态一部分的 DexTacWAM（UIUC + UC Berkeley + Northwestern，六任务均值 70.6 对最强基线 38.0）、训练期用触觉部署期免传感器的 HapticWAM（Skolkovo，学生 77% 反超教师 57%）、联合预测运动与刚度矩阵的 CompVLA（首尔大学 + 微软亚洲研究院，CoRL 2026，接触丰富任务 67.1%）、力条件化加力矩监督的 Opt2VLA（Georgia Tech，关节成功率 27.8%→82.2%），以及用智能体式 VLM 直接驱动机器人的 RoboDawn（清华 + 腾讯混元，RoboTwin 零样本 53.2%、单样本 73.6%）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-21/Mon, 21 Sep 2026 05:57:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-21/精选 8 篇 ArXiv 论文，为周末补遗六，来源仍为 2026-09-18（Fri, 18 Sep）公告批次。涵盖把开源 VLA 后训练成高自由度灵巧手策略的四步流水线（无界智慧 + 上海科技大学，五个真机任务各 20 次全成功）、用实例掩码做长程操作 harness 的 MaskHarness-WAM（同济 AIRC + 美的，方块/试管六项设置 SR 84–96%，对比 π0 最高仅 28%）、把推理延迟压到 11.9 ms 的敏捷触觉世界动作模型 Agile-WAM（UC Davis + Analog Devices，真机相对提升 29.4%）、用边缘条件视频生成重渲染已录制演示的 ReShoot（韩国中央大学，真机换色物体 0.0% → 42.9%/47.5%）、用显式图世界模型校验并修复 LLM 长程规划的 GAVEL（BEHAVIOR-1K 单任务 41.2% → 91.8%）、揭示 VLA 对抗补丁「撤除后仍持续失效」的 Beyond Patch Removal（UNSW + NUS，五个 chunk 后仅 36.2% 可恢复）、让学生自行「退休」教师的 RetireOPD（浙江大学 + 阿里，ALFWorld 相对 RL 提升 14.1–18.8%），以及把 VLM 历史摘要蒸馏成 workspace token 的 Workspace Models（MIT + CMU，CoRL 2026，四任务均值 91.5% 对比 Keyframe 66.8%）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-20/Sun, 20 Sep 2026 05:56:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-20/精选 8 篇 ArXiv 论文，为周末补遗，来源为 2026-09-18（Fri, 18 Sep）公告批次。涵盖用师生蒸馏把人类交互数据变成统一全身控制策略的 ViLoMan（中科院计算所 + 国科大 + BAAI，关门 SR 77.55%、执行 6.20 秒，是唯一同时满足五项能力要求的方法）、首个把本体感受写进预测目标的越野导航世界模型 Feel-WM（首尔大学，山道实机 Husky 规划，失败风险项把 SR 从 62.0% 拉到 84.0%）、用「未来后果」训练时监督做寿司的触觉世界动作模型 TacSushi（USC + MERL，分布内 68.3% / 分布外 37.5%）、把 VLM 阶段切换判断蒸馏到轻量学生的 StageGuard（华为诺亚方舟 + UBC + 多伦多大学，切换完成度 96.23% 对比 GPT-5.6 的 37.92%）、免机器人的人机闭环 VLA 后训练 HIL-UMI（西安交大 + 北大 + PrimeBot，三轮 84 → 100）、让规划器接管自由空间运动的 SkipVLA（Purdue，真机 2.5× 加速且成功率不变）、用 ADMM 共识优化做联邦 VLA 训练的 Co-VLA（奥格斯堡大学 + MPI，逼近集中式训练），以及把 3D 场景记忆做成 rectified flow 补全问题的 LIFD（华南理工，LIBERO 91.6%、UR5e 56.0% 对比 OpenVLA-7B 40.5%）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-17/Thu, 17 Sep 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-17/精选 8 篇 ArXiv 最新论文，覆盖 2026-09-16（Wed, 16 Sep）公告批次。涵盖给 VLA 装上等变流匹配动作头与可学习规范化的 SAVLA（爱丁堡大学 + 中科院深圳先进院，LIBERO-Goal 旋转下 41.5% → 90.4%）、首个自回归去噪多未来模态再预测动作的世界动作模型 ModAR（CMU，75% vs 72% 且训练 FLOPs 少约 20 倍）、SIGGRAPH Asia 2026 的流式物理接地视频生成 PhysStream（宾大 + Snap + KAUST，FVMD −33%）、提出 Plausible / Controllable / Actionable 三级能力框架的具身世界模型综述（港科大广州 + 牛津 + 普林斯顿等 11 家机构）、从无标注人类视频学几何接地潜动作的 GeoLAM（清华 + 北理工 + 复旦，LARYBench MSE 0.50 → 0.27）、从人类视频学统一视触觉灵巧操作的 UniDex-ViTac（KIST + KAIST，真机 54.5% → 66.4%）、把空间接地与语言推理解耦的 sensVLA（sensmore GmbH，ICRA 2026）、以及重建蒸馏目标以诱发自我反思的 OPD-Aha（ASU + 弗吉尼亚大学 + Stevens 理工，4B 平均 76.4% → 80.4%）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-16/Wed, 16 Sep 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-16/精选 8 篇 ArXiv 最新论文，覆盖 2026-09-15（Tue, 15 Sep）公告批次。涵盖把通用 VLM 改造成物理基础模型的 PhysBrain 1.5（DeepCybo，8B，28 项具身理解基准平均 72.5）、全景状态驱动视角视频的流式世界模型 AlayaVista（Alaya Lab + 北理工 + 东京大学，MUGEN 1318 小时 4K 全景数据）、把世界动作模型压到单步去噪的 DIDO（自动化所 + 智源 + 西安交大 + 清华，LIBERO 99.0%）、3D 场景—运动—动作统一的 GeomVLA（CMU + NVIDIA，CoRL 2026）、世界潜动作建模 WLA³（京东 Joy Future Academy）、跨本体人形全身控制基座 X-WBC（同济 + 复旦 + 上海创智学院，CoRL 2026）、触觉驱动的线缆捋线 Touch2Trace（Analog Devices，0% → 93%），以及按噪声区间混合蒸馏目标的 CrossDistill（北大 + 清华 + 阿里）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-15/Tue, 15 Sep 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-15/精选 8 篇 ArXiv 最新论文，覆盖 2026-09-14（Mon, 14 Sep）公告批次。涵盖面向具身智能的通用世界模型仿真器 Pelican-Sim 1.0（北京人形机器人创新中心，约 100 万轨迹）、把控制与视觉预测统一进 masked diffusion 的 Dynin-Robotics（首尔大学 AIDAS Lab，LIBERO 98.1%）、用 Koopman + RSSM 双世界模型做人形越障的 DWMP、200 小时真机双臂灵巧操作触觉 VTLA 的 STAR（上海创智学院 + 智元）、斩断视觉—动作捷径的 LIT（华工 + NUS + NTU）、证明「规划器轨迹未必是好的 VLA 训练数据」的 DATAFARM（Stanford + Princeton）、语言驱动的零样本 3D 部件分割 UniPart（自动化所 + 北大 + 清华 + 银河通用），以及 4D 感知视频 tokenizer VideoTok4D（中科大）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-13/Sun, 13 Sep 2026 06:13:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-13/精选 8 篇 ArXiv 论文，属「周末补遗」——arXiv 周末不做公告，最新批次仍为 2026-09-11（Fri, 11 Sep，去重后 381 篇候选）。涵盖以多专家 on-policy 蒸馏统一的 8B 原生视觉智能体 SenseNova-U1.5、从 14K 部真实电影学运镜的多智能体电影生成系统 CamPilot、挖掘 DiT 内在空间接地图做可控多主体视频生成的 DIAL、追问「视频生成模型能否用视频思考」的 VWG-Bench 与 Vid-PRE、把任务记忆放在 Agent 侧的 2AM、以动作接地转移建模统一记忆-预测-动作的 UniMPA、感知盲人人形 locomotion 的 CAP，以及面向杂乱真实场景的障碍感知扩散策略 ObstaDiff。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-11/Fri, 11 Sep 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-11/精选 8 篇 ArXiv 论文，覆盖 2026-09-10（Thu, 10 Sep）公告批次（去重后 384 篇候选）。涵盖 2000+ 小时真机数据的柔性体长程操作基准 FolDeX、把频率提升为显式条件维度的 Flow Matching VLA FreqFM、跨视角潜空间世界模型 DUET-DINO、抑制世界模型幻觉的强化学习后训练 HaWMPO、紧凑视触觉世界模型、用小波与楔积修复动作块表征的 TFGCA、以语义动作接口让 VLM 直接操控机器人的 Show-Harness，以及把世界状态演化与视觉渲染解耦的 Programmable World Model。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-07/Mon, 07 Sep 2026 05:55:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-07/周末补遗二：精选 8 篇来自 ArXiv 2026-09-04 公告批次、此前未及收录的高相关论文，涵盖表示学习—VLA—世界模型三条主线的统一综述、相机可控新视角合成的失稳边界量化、视频扩散模型按去噪阶段对齐的量化感知训练、多模态 VLA 的模态纠缠诊断与证据门控正则、四足跑酷自主导航的多模态扩散策略、世界模型预训练数据的虚幻引擎生产线、3D 场景图驱动的免训练空间推理，以及把动作时域整体作为可微变量的潜能量规划等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-06/Sun, 06 Sep 2026 06:02:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-06/周末补遗：精选 8 篇来自 ArXiv 2026-09-04 公告批次、此前未及收录的高相关论文，涵盖环视世界动作模型把未来视频预测降级为训练期监督、长程一致与交互解耦的多风格驾驶世界模型、以几何—可供性—目标三类结构约束弥合动作充分性鸿沟、互联网规模人类演示检索、1500 小时双臂操作数据与在线纠错、无传感器力感知的全身补偿 VLA、绕开标定的关系物理评测，以及多参考相对位姿查询的在线 3D 重建等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-03/Fri, 04 Sep 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-03/精选 8 篇 ArXiv 最新 AI 论文，涵盖长程视频世界模型的开放数据与可扩展训练、带几何深度的世界动作模型、VLA 跨本体零样本迁移的受控研究、面向长程操作的人类意图注入、世界模型增强的人形足点受限地形运动、面向物体中心的稀疏残差世界模型、Web 智能体的判别式世界模型训练目标，以及 VLA 隐空间聚类可解释性分析等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-07-02/Fri, 03 Jul 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-07-02/精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、3D生成、扩散模型、具身AI与机器人学习等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-08/Mon, 09 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-08/精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散模型推理加速、具身智能、VLA可解释性等核心方向深度分析。