计算开销砍98.7%，成功率不降反升：VANE重新定义机器人测试时训练
机器人部署最怕什么？模型离线训得好，一到现场就“水土不服”。理想汽车联合多所高校提出VANE框架，把测试时训练做成“提案—验证—提交”的可靠流程：用未来视觉表征预测当监督信号，只在关键时刻更新，错了还能回滚。SimplerEnv上WidowX平均成功率提升3.2个百分点，反向传播计算量削减98.7%。把“边干边学”从口号变成了可信工程。
标签：机器人
共 94 篇
港大清华开源XPolicyLab：42个机器人策略一套接口打通，集成效率提升10倍
机器人领域最缺的不是新模型，而是让模型跑起来的"标准化插头"。港大MMLab与清华联合开源的XPolicyLab，把N个策略连M个环境的成本从O(NM)压到O(N+M)，实测集成时间从5小时干到30分钟，是真实工程痛点的一记重拳。
SPINN跨入李群时代：水下机器人导航成功率65%→90%
水下机器人在港口干活，洋流、缆绳、尾波全是不讲道理的随机扰动。这篇论文把随机物理信息神经网络搬上李群，用欧拉-庞加莱动力学做骨架，让模型既懂物理又懂几何，仿真到实测一步到位，把MPPI导航成功率从65%拉到90%，是随机动力学建模难得的完整落地案例。
英意团队新研究：触屏遥操作耗时直降53.5%，比拼摇杆更精准
摇杆遥操作机器人一直是“手残党劝退”重灾区：按钮全靠背，速度控制全凭手感。这篇论文直接把手指滑动变成机械臂运动，20人跨国实测完成时间直降53.5%，认知负荷也压了下来。想少练“手劲”的核工业接班人，值得一看。
凭什么说所有安全调度都是CIPS特例？一文看懂统一调度框架
信息从生成到失效，中间能安全用多久？这个问题在自动驾驶、无人机、网络缓存里被各领域分别回答。奥克兰大学的这篇论文给出统一数学答案。它不仅证明现有安全调度策略都是其特例，还在V2V车队与无人机SLAM中把通信与计算干预量分别砍掉99.3%和86%，值得一读。
CMU等四校联手：可微分物理笔刷，让AI生成手写还能操控机器人直接写出来
想象一下，AI 不仅能模仿任何人的笔迹生成手写图片，还能把笔画轨迹直接发给机器人，让它拿着笔在纸上写出来——在线轨迹和离线图像向来是两条平行线，这篇来自 GIST、CMU、延世大学等机构的论文用一个六参数的可微分物理笔刷模型，硬是把它们捏成了同一件事。
热那亚大学最新研究：轻量分割提精度不靠骨干，靠解码器？
大家都在卷骨干网络，可热那亚大学这篇论文偏偏告诉你：轻量分割模型的涨点空间其实藏在被忽视的分割头里。本文系统对比三种解码器模块、验证多任务层次分解的有效性，参数量比基线少约40%，加权精度反而从91.2%涨到92.8%。把解码器这口“冷饭”炒出了新味道，值得一读。
清华自进化新框架：让机器人学会自己找“坑”，失败率狂降67%！
机器人训练有个“鬼打墙”现象：数据越采越多，失败率却纹丝不动。清华这篇工作直接告诉机器人“哪里不行补哪里”——用一个轻量关键性模型引导数据采集，失败率最高降67%，还顺手解决了VLA微调的平台期问题。思路极简，效果很硬，值得一读。
多目标决策太难？这只"狐猴"从人类偏好中学会平衡的艺术
现实世界的决策总在多个目标之间为难：既要跑得快，又要省电；既要安全，又要高效。当奖励函数难以定义时，多目标强化学习该何去何从？LEMUR给出了一个优雅的答案，在多个连续控制任务上全面超越既有方法，逼近全知Oracle的性能表现。
清华TacWAM：触觉卷进世界模型，机器人操控成功率飙升37.5%
继2026年6月聊过物理对称性硬编码的世界模型、7月聊过北大DWM之后，这期看点更有“手感”的：清华TacWAM直接把触觉卷进世界动作模型，四大接触丰富任务平均成功率75%，比最强基线高出37.5个百分点。想看懂机械手怎么“摸”东西，这篇别错过。
W4A4仅掉0.2分！复旦把世界模型量化整明白了
世界行动模型（WAM）又重又慢，部署到机器人上量化是必经之路。但现有PTQ方法在WAM上集体翻车。复旦这篇QuantWAMs，从结构、分布、目标三个维度重新审视校准粒度，在4bit精度下模拟分数几乎不掉点，还在真机上验证了一波，属实有点东西。
复旦最新QuantWAMs：世界动作模型W4A4量化，成功率仅降0.2%？真机部署快人一步！
世界动作模型（WAM）性能强但部署成本高，传统PTQ方法在闭环场景下频频翻车。复旦大学等机构提出了QuantWAMs，从结构、分布、目标三个上下文校准量化决策，W4A4下几乎无损，真机验证也稳了。这篇把量化粒度讲得明明白白，值得一读。
