不看全局，每台机器人只花256字节就能预测集群未来？
集群机器人最烦的就是每台各看各的、未来状态对不上账。ITMO这篇CS-JEPA让每台机器人只靠局部观测和单轮256字节消息，独立预测同一个未来集体状态，只给6个全局标注样本就开始见效，拓扑、规模外推和规划价值评估全都能打，值得细读。
标签：机器人
共 94 篇
机器人规划新范式：自动学习有向时间成本，14点提升不是梦
还在发愁机器人规划里怎么设计奖励函数？来自香港浸会大学的这篇论文直接告诉你：不用愁！它从无奖励的演示日志里“挖”出时间距离，让世界模型规划得又快又准，导航成功率直接拉满，操作任务也大幅提升。这正是龙哥一直在说的：比起花里胡哨的模型结构，搞清楚“规划目标从哪来”往往更重要。
0.2B参数、1GB显存，32Hz实时控制！华中科大&华为新VLA范式TurboVLA
大模型驱动的机器人VLA虽然强大，但推理慢、显存高。TurboVLA反其道而行，直接跳过LLM，用双向视觉-语言交互实现32Hz实时控制，仅需0.2B参数和0.9GB显存，性能却比肩甚至超越十亿级模型。机器人部署从此不再高攀不起！
真人实验提升28.7%！RL2让机器人学会“该出手时才出手”
当机器人VLA模型在域外任务中频频翻车，RL²给出了一个既聪明又高效的解法：只在预测到即将失败时，才调用离线强化学习产生的多样化动作来“组合引导”，否则就安心跟着原始VLA走。这项研究不仅揭示了“成功/失败状态缩放定律冰火两重天”的反直觉结论，还在真实机器人上带来了接近30%的成功率提升——关键是，所有模块都是轻量+离线，部署成本极低。值得所有做机器人泛化操
VPW代码世界模型：比代码基线高23.5%，接触操作从0到96%
如何让机器人学会像人一样理解物理世界？港浸大团队提出了VisualPatchWorld，它不依赖人工搭建的物理引擎，而是从几个专家轨迹中自动学习可执行的代码级世界模型。这种方法既保留了神经模型的自动化能力，又让模型变得清晰可见、可编辑。
首尔大学提出Robot-Rendering：让世界模型直接"看到"机器人动作，告别动作编码！
机器人世界模型怎么喂动作？直接喂控制信号？还得自己学动作实现。首尔大学这招妙：先把动作在仿真里走一遍，渲染成机器人几何和深度，然后把"这堆像素"喂给视频模型。模型直接"看见"机器人怎么动，只负责学场景怎么响应。效果嘛——比喂状态向量强一截，还能直接泛化到没见过的机械臂和人类演示。
FORGE-plus来了：LLM给机器人定力上限，压不坏还会修
机器人装配里最容易翻车的，不是“不会做”，而是“太用力”。这篇工作把LLM从“嘴强王者”变成了会给力控设预算、会看力信号选恢复动作的监督器，思路非常工程化。
DynaWM登场：清华把VLA“反应式抓取”改成“预判式拦截”
机器人抓静态物体，大家早就不稀奇了；真正麻烦的是，目标自己在动，策略还在按“刚才的位置”出手。清华这篇 DynaWM 的思路很直接：不去硬改底座 VLA，而是把它吐出的动作块当条件，再结合多视角历史重画轨迹，专治“追着空气跑”。
北大DWM新法：规划成功率最高提13.1%
世界模型最怕的，不是不会预测，而是把“环境自己在变”和“动作造成变化”混成一锅粥。DWM专门盯住这个老毛病下手，训练阶段分开学，推理阶段却不加戏，思路很干净。
NICO抓取实测：校准模型主场96.7%，全桌面72.7%
抓取这件事最烦的地方，不是“看见了”，而是“看见之后还抓不准”。这篇论文把低成本校准、YOLO识别、立体视觉和视觉反馈串成一条流水线，结果很实在：校准模型在熟悉区域很猛，视觉反馈在全桌面更稳。
10个仿真+4个真机任务，HCPG-Flow更稳了
机器人操作里最烦的不是“不会动”，而是“会动但总选错那一下”。这篇工作把候选动作选择从依赖 critic 打分，改成了接触前后分阶段的几何进度判断，思路很朴素，但很实用。
RSS 2026新诊断：世界模型其实在“想当然”？
世界模型最怕的不是预测错一点，而是 看起来很会想，实际上只会顺着状态续写 。这篇论文直接把“长时程想象失败”拆成运动学和动力学两层，诊断味道很足，尤其适合做机器人、自动驾驶和具身智能的人看。
