SparseDrive提出对称稀疏感知模块与并行运动规划器，以稀疏场景表示统一检测、跟踪、建图、预测和规划，并通过碰撞感知重评分选出安全轨迹。
DAAAM 是一个面向大规模实时4D场景理解的时空记忆框架。通过基于优化的前端从局部描述模型(DAM)推断详细语义描述，批量处理加速一个数量级；构建分层4D场景图，用于增强现实和大规模环境机器人自主导航。
提出双记忆架构：4D持久世界状态记忆将瞬态2D观测提升为体素哈希全局空间状态解决感知遗忘，自我工作记忆跟踪任务进度。扩散Transformer基于此联合状态实现主动推理，仅用腕部相机即在LIBERO、RLBench和真实世界达到SOTA，长程任务成功率提升9.4%-17.5%。
提出双代理框架：仿真机器人代理界定行为可行查询域，采集锚定几何代理提供场景结构条件，在固定预算下选择当前支持不足的视角生成伪观测精修视觉资产。48个Unitree G1第一视角下6视图达19.06dB PSNR，真实G1坐姿成功率82.5%。
本文发现 Anthropic、OpenAI 和 Google 的加密推理块可在会话、用户与模型之间重放。攻击者把前沿模型产生的加密推理签名注入同一厂商的较弱模型，迫使后者把隐藏思维过程转录为明文，从而绕过反蒸馏机制、恢复公开轨迹中的密钥与个人信息、暴露隐藏有害推理，并执行不可见提示注入。论文解码 315320 个公开推理块，在真实用户会话中发现 62 个 API key 等敏感数据，并提出了上下文绑定、密钥轮换和训练侧拒绝转录等缓解方案。
提出将视频生成仅作为训练信号的简洁世界-动作模型，联合训练视频专家和轻量动作专家，用隔离注意力掩码使动作预测独立于未来帧，训练后丢弃视频分支保留自包含规划器直接预测轨迹，并用强化学习优化组合驾驶奖励，在 NAVSIM 上达 91.5 PDMS。
提出ω-0，面向真实人形机器人协同移动操作的全身世界动作模型：给定语言指令、视觉观测与本体状态，直接预测控制器可执行的全身动作潜变量；以轻量未来观测嵌入预测替代视频重建，耦合潜空间视觉预见与扩散式全身动作生成；并采集40+小时真机数据集ω-HOME，在11项家庭任务上稳定超越IL/VLA/人形/WAM基线。
本文提出首个足式机器人力位统一控制策略，无需力传感器，通过RL从历史状态估计外力并补偿位置速度，支持位置/力跟踪与柔顺交互，并在四足与双足机器人上验证。
本文提出PhyLatent，用SVIC、PSG、FRA、CASC和LD约束JEPA潜空间，解决物理不变性、可辨识性与反事实动力学塌缩；Cube MPC成功率从70.0%升至78.1%。
通过仿真与真机实验证明：动作分块的收益并非来自时间一致性、视界缩减或表征学习，而是来自非马尔可夫表达能力、基于延迟观测降低复合误差，以及隐式集成效应；并据此提出随机延迟集成与显式集成策略，可在无需动作分块的情况下匹敌甚至超越其性能。
提出视频生成式世界-动作模型的通用后训练方法，保留 VAE 潜空间的生成路径并添加轻量语义前瞻对齐目标，用可学习查询 token 将未来场景语义引入动作流，使动作基于外观不变的动态表示，在 OOD 泛化仿真和真机上持续提升多种 WAM 基线成功率。
提出 RL2 自适应推理时引导框架，在 VLA 动作专家潜空间上训练轻量离线 RL 策略，推理时将其流速度与冻结 VLA 组合，仅在预测失败时激活引导，在 SIMPLER 和 PolaRiS 基准上 OOD 场景成功率提升达 17.3%，真机实验验证迁移有效。
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。
