BLOG

博客

NanoDreamer：只有 750k 参数，却在想象中学会玩 5 个游戏

作者从 autograd 和张量库开始，在 MacBook 上造出 750k 参数 Dreamer。Actor 完全在想象 rollout 中训练，最终在 5 个 MinAtar 游戏全部超过随机基线；文章完整保留奖励错位、critic 过度乐观、CNN/多步 rollout 重建与消融结果。

世界模型强化学习Dreamer

Benjamin Bai· 2026-10-29T00:00:00

Mundo:从看见一个地方,到模拟那里会发生什么

拍几张照片,Mundo 就把它变成可探索、可编辑、可模拟的世界:3D 代理体加场景程序驱动仿真,视频模型渲染结果,支持新视角探索与机器人 Real-to-Sim。

世界模型Video Diffusion Models

Yihang Luo et al. · 326次阅读 · 2026年10月23日

Astranomy：GPT-6 Astra 作为原生机器人策略的实证研究

NVIDIA 实证研究 GPT-6 Astra 原生机器人策略：RoboLab-120 上 Agentic 配置 74.8% 登顶，但每次推理 18.56 秒、每成功回合 3090 万 token。

机器人策略具身智能

Yang, Khetan & Zhang (NVIDIA SRL) · 1064次阅读 · 2026年10月14日

Gemini 4 Argon 面向机器人：贯穿控制、Real2Sim 与自我改进的物理推理模型

Gemini 4 Argon 以纯推理在 ERQA 取得 87%，并以 12 组提示词覆盖机器人控制、Real2Sim、物理理解与自我改进：MuJoCo 数字孪生、零样本控制、事后标注与真机迭代改进。

物理推理具身智能

Kanishka Rao (Google for Developers Blog) · 593次阅读 · 2026年10月13日

Odyssey 发布 PROWL-2：保真度门控双课程——让世界模型的失败变成策略进步的燃料，而不是策略错误的来源

Odyssey（联合 UCL AI Centre 与巴塞尔大学）10 月 1 日发布 PROWL-2：首个把「任务策略课程」与「世界模型修复课程」耦合进同一持续训练循环的框架。核心洞见：想象训练中高学习信号的轨迹是歧义的——可能是策略真弱点，也可能只是世界模型预测错了；不加分拣地优先学习等于强化模型自己的幻觉。PROWL-2 用一道保真度门把「有用」与「可信」分开判定：可信的高潜力想象经验进策略课表，不可信的连同其已存储的真实延续一起送进修复池，由随机初始化+KL 锚定的开发者策略在真实环境中修复，修好重审再放行。SMACv2 九场景全部第一（5v5 提 4–18%、10v10/10v11 提 20–91%）；MQE 难任务大幅领先——Gate-3 70.4% vs 骨干 29.8%、Shepherd-Hard 28.2% vs 7.3%，其余基线全为 0。消融证明两份课表并非可加：只修不排课收益边际，只排课不加门在九个场景全部低于骨干，加门后同一套课程变成最大单项增益。框架对世界模型架构与 MARL 算法完全不可知，后续指向人形机器人协作与长视野多智能体游戏。

PROWL-2世界模型

Odyssey · 1308次阅读 · 2026年10月1日

Perceptron 开源 Isaac 0.5：首个同时横跨视频理解、具身推理与机器人控制的开源基础模型，视频数据换遥操作省 210×

Isaac 0.5 是 Perceptron 发布的 36B 稀疏参数开源具身基础模型：读取图像、视频、语言、机器人状态与先前动作，能答视频问题、定位跟踪目标、报告任务进度并生成动作。团队确立了视频-遥操作数据权衡的扩展定律：通用视频从 1,000 小时扩到 100 万小时，达到损失 2.50 所需遥操作从约 5,900 小时降到 28 小时（210×）。训练数据覆盖 35+ 机器人系统、10 万小时机器人经验、100 万小时视频、3 万亿 token，首创语义世界建模（预测未来 percept）+ mHarmony 类型化多模态接口 + Null Experts 动态计算，感知五任务族全面领先且推理成本仅对手 1/8.5。权重、训练代码与 LeRobot 推理代码全部开放。

Embodied Foundation Model缩放定律

Perceptron · 830次阅读 · 2026年8月26日

1X 世界模型：通过模拟未来来评估机器人策略

1X 分享 1XWM 世界模型进展：通过动作可控的视频生成预测机器人动作的未来结果，使策略评估从物理实验转向模拟预测，实现规模化快速评估。

1X1X NEO

1X AI Team · 727次阅读 · 2026年6月10日

1X 世界模型：从视频到动作——机器人学习的新范式

1X 介绍其视频预训练世界模型 1XWM，集成到 NEO 中作为机器人策略。与 VLA 不同，1XWM 从文本条件的视频生成中提取机器人动作，利用互联网视频中的世界动力学实现零样本泛化，无需大规模遥操作数据。

1X1X NEO

1X AI Team · 787次阅读 · 2026年1月13日

GRASP：基于梯度的世界模型长程规划器

GRASP提出三种创新使世界模型的长程规划变得可行：提升状态实现时间并行优化、停止脆弱状态梯度保留动作梯度、周期性同步精化。在Push-T任务上长horizon成功率大幅领先CEM和GD。

世界模型规划

BAIR Blog · 558次阅读 · 2026年4月20日

Dyna-2：百万小时视频的世界-动作模型扩展定律

DYNA Robotics 发布 Dyna-2 世界-动作模型，在超过100万小时人类第一人称视频上预训练。首次证明人类到机器人的迁移扩展定律：更多人类数据改善未见机器人数据上的预测。仅需几小时微调即可跨具身执行操作任务，零样本客户现场通过率87%。

世界动作模型缩放定律

DYNA Robotics · 729次阅读 · 2026年8月12日

Riemann-1.0：面向物理 AI 的具身世界动作模型

Riemann Dynamics 发布 Riemann-1.0：完全因果自回归世界动作模型，将可执行机器人策略与动作条件世界仿真统一在单一架构中。通过 232K+ 小时异构具身经验的渐进式预训练，在 LIBERO 99.0%、RoboTwin 2.0 94.3%、RoboCasa365 62.6% 及真实世界 85.0% SR 上均达 SOTA。

世界动作模型Riemann Dynamics

Riemann Dynamics · 586次阅读 · 2026年8月10日

本站含 CakeGrowth 联盟推广链接,我们可能从符合条件的购买中获得佣金。