multi-embodiment

NVIDIA Research 推出 Hydra-0，一个基于动作流条件的世界模型，将机器人动作表示为像素运动，实现了跨多种体现的学习，显著降低错误并具备零样本能力。

SeededGrasp 提出了一种数据高效的框架，利用视觉语言模型预测种子点，用于轻量级抓取生成器的条件输入，从而在复杂场景中实现多机器人形态的语言引导抓取。该方法在仿真中达到72%的成功率，在实际中达到78%，优于基线方法，并包含一个全新的大规模多形态抓取数据集。

CHORUS是一种去中心化方法，使不同形态的多个机器人能够使用单一的视觉-语言-动作策略进行协作。