标签
Hugging Face 推出了 LeLab，这是 LeRobot 的图形用户界面，无需命令行交互即可训练 AI 机器人，具有零终端设置、数据收集以及通过 Hugging Face Jobs 一键 GPU 训练等功能。
GRAIL利用3D资产和视频基础模型生成多样的人形机器人操作与移动数据，实现了有效的仿真到现实迁移，在真实世界中取得了高成功率。
本文介绍了参数化扩散策略（Parameterized Diffusion Policy, PDP）框架，该框架通过以低维潜在参数为条件，使扩散策略变得可控，从而实现无需重新训练即可进行平滑的行为插值和自适应。在仿真和真实机器人实验中，该方法在复杂的多模态机器人任务上展现了更优的性能。
WALL-WM 通过使用语义事件作为学习单元而非固定动作块，推进了视频-动作学习，实现了更灵活和可扩展的视觉-语言-动作训练与推理。
提出 Agentic-VLA 框架，将智能体引入 VLA 循环中，使视觉-语言-动作模型能够自我进化，并在各项指标上超越现有头部具身模型。
本文提出了一种面向自主机器人的思维-学习交互模型，使其能够在开放环境中自适应地发现新特征、扩展输出类别、更新学习模型并重构动作流程。实验结果表明，该模型在识别精度、类别形成和动作效率方面均有显著提升。
Hugging Face 发布了 LeRobotHF，一个开源的类人机器人平台，包含硬件、仿真和训练工具，建造成本约为 2500 美元。
Hugging Face 发布了 LeRobot Humanoid，这是一个开源、低成本（2500美元）的3D打印人形机器人平台，包含硬件、仿真和控制工具，用于机器人学习研究。
Hugging Face 发布了 LeRobot Humanoid，这是一个开源的、低成本的（2500美元）3D打印仿人机器人，专为机器人学习而设计，包括硬件、软件、仿真和训练工具。
LeRobot Humanoid 是一个开放、低成本的用于机器人学习的双足机器人平台，包含硬件、运行时、识别工具和训练环境，由3D打印零件和现成部件构成，成本约为2500美元。
波士顿动力展示了新型Atlas人形机器人如何通过模拟训练学习复杂的操作任务（例如搬运重型冰箱），从而实现从设计到实际执行快速迭代，且模拟到现实的差距极小。
DexJoCo 提出了一个面向任务的灵巧操作在 MuJoCo 中的基准测试与工具包，包含11个功能性任务、一个低成本数据采集系统，以及全面评估，揭示了当前灵巧操作策略的局限性。
PhysBrain 1.0 是一份技术报告，提出了一种利用人类自我中心视频为视觉-语言-动作模型生成物理常识监督的方法，在ERQA、PhysBench、SimplerEnv-WidowX、LIBERO和RoboCasa等具身控制基准上取得了最先进的结果。
FrameSkip是一种数据层的帧选择方法，通过基于动作变化和视觉一致性指标优先选择高重要性的帧，来改进视觉-语言-动作(VLA)策略训练。该方法在三个基准测试中实现了76.15%的宏观平均成功率，同时仅使用了20%的独特帧。
本文介绍了域随机化实例集（DRIS），一种同时表示多个随机化实例的方法，以改善灵巧操作的仿真到现实迁移。该方法在具有平板末端执行器且要求无真实世界微调的反应性抓取任务上展示了零样本迁移。
本文介绍了 RLA-WM，一种基于视觉特征的世界模型，该模型利用残差潜在动作与流匹配技术高效预测未来视觉状态。该方法性能优于现有的视频扩散与特征基方法，同时支持从离线、无动作演示视频中探索新型机器人学习技术。
本文介绍了TT4D，这是一种新颖的Pipeline和大规模数据集，旨在从单目视频中重建乒乓球比赛的4D场景。该方案采用独特的“先升维”策略，在进行时间分割之前，先估计乒乓球的3D轨迹和旋转，从而即使在存在遮挡的情况下也能实现稳健的重建。
本综述全面回顾了机器人学习中世界模型的文献，涵盖其在策略学习、规划和模拟中的作用。文章突出了预测建模在具身智能体中的关键范式、基准测试及未来发展方向。
National Robotics Week 期间，NVIDIA 重点展示了其在物理AI和机器人领域的突破，宣布了多项新技术，包括用于自然语言指令理解的NVIDIA Isaac GR00T开源模型、用于合成数据生成的Cosmos世界模型、Newton 1.0物理引擎，以及借助Isaac Sim 6.0和Isaac Lab 3.0扩展的仿真能力，从而加速机器人从训练到现实部署的开发进程。
本文探讨了由于莫拉维克悖论（Moravec's paradox）给机器人编程带来的挑战，并提出通过机器人学习来实现具身智能作为解决方案。