具身智能 第2页

ForeWAM:不生成未来视频,如何让机器人决策拥有“预见力”?

来自南洋理工大学、上海交通大学与 ACE Robotics 的联合团队提出了 ForeWAM (Foresight-without-Seeing WAM)。这项研究的核心结论是: 直接策略型的世界动作模型无需在部署阶段真正解码出任何一帧未来画面,就能让动作决策模块享受到高质量的世界动态预见能力。

GaussMemory:统一3D高斯读写,长程机械臂操作超越π0-FAST达6%

东京理科大学团队提出的 GaussMemory 打破了这一僵局。该方案放弃了被动存储的死板逻辑,转向由任务驱动的“主动记忆”范式。论文的核心主张是:机器人不应该只是记录它看到了什么,而应该端到端地学会“如何去记”——自主发现哪些物体需要高精度追踪、以多大的激进度进行位置修正,以及何时丢弃无用信息。

ST-WAM:攻克视频世界模型的幻觉缺陷,真机抗干扰成功率翻倍

为了解决该问题,研究团队提出了 ST-WAM(Semantic-Temporal WAM) 。该方法不纠结于费时费力地“修补”未来像素画面,而是引入自监督视觉基础模型 DINOv3 建立双向语义-时间建模:向前预测鲁棒的语义状态演化,向后检索与当前意图相关的历史动作依据。

LT-Mem:三层时空记忆打破机器人时间遗忘,Token消耗降低一个量级

韩国大邱庆北科学技术院(DGIST)的研究团队针对这一长期未解的痛点,提出了名为 LT-Mem 的易变性自适应时空记忆演进框架。该框架不把环境中的所有实体视为静态背景,也不对其进行无差别的纯文本历史流水账记录,而是建立在多会话统一几何对齐的基础上,引入“物体易变性”(Volatility)这一...

SHAPER:不改权重也能自进化!微软演化技能与脚手架超越微调10.5分

来自微软研究院和东北大学的研究团队在最新论文中提出了一个跳出传统思路的解法: SHAPER 。该框架指出,现代具身智能体本质上是一个围绕基座模型构建的复杂系统,其执行表现不仅由模型权重决定,更受外部程序化指导(技能 Skill)以及上下文组织代码(脚手架 Harness)的直接制约。

RoboPhys-3D:用3D重建解耦生成误差,Cosmos拿下92.7%真值表现

来自 Futurewei、普渡大学与德州大学奥斯汀分校的研究团队提出了 RoboPhys-3D 。这项工作构建了首个以 3D 重建为锚点的具身世界模型评测基准,覆盖 50 个机械臂操作任务、5,000 个交互片段以及 25,000 条多视角真值视频。

小米DriveZero:不依赖人类示范,端到端自动驾驶如何超越真人?

近期,小米团队提出了名为 DriveZero 的全新端到端自动驾驶框架,试图从底层打破对人类轨迹监督的绝对依赖。这项研究的核心结论非常直截了当:即便 完全不使用任何人类驾驶轨迹作为训练目标 ,端到端系统不仅能够学会复杂路况下的闭环驾驶,而且在多个公认的基准评测中超越了真实人类司机以及传统回放专家。