#模仿学习 (23)

HIL-UMI：把 VLA 人在环后训练搬离机器人本体

HIL-UMI 用手持 UMI 夹爪做人机在环 VLA 后训练：人在演示时，同一观测流上并行跑当前策略但不执行其预测，用 Energy Score 比较人类动作块与策略动作分布，超阈值即判为分布外（OOD）并触发定点采集；另一条回路上，在线优势预测偏低的片段被收来重训基于任务进度的优势估计器，再由它给数据打二元优势标签做优势条件行为克隆（ACBC）。四个真机任务上持续优于 SFT，Stack Cube 三轮后 TPS 84→100；对比真机 HG-DAgger，Clean Up Table 每帧采集时间 73.40ms 对 412.99ms，快 5.63 倍且末轮 TPS 高约 5 分。

Han, Zimu, Zeng, Yiming, Zhang, Jiyao2026年9月17日

视觉语言动作模型Human-in-the-Loop后训练2026年9月17日

轮式

ugo Nova 轮式半人形机器人

ugo, Inc.

轮式Semi-Humanoid

WARP-RM：时间扭曲增强的相对进度奖励模型

提出自监督相对进度信号 WARP-RM，用时间扭曲增强从成功示教中学习帧级进度速度，再以 WARP-BC 过滤重加权行为克隆动作块。在双臂折 T 恤任务上，次优数据增多时相对原生 BC 吞吐提升最高约 18 倍；仿真瓶入箱 512 场景达 290 瓶/时。

Justin Yu, Andrew Goldberg, Kavish Kondap2026年6月26日

模仿学习Data CurationBehavior Cloning2026年6月26日

1:29

HumanEgo：零样本人类视频机器人学习

@TX_Leo_Wang · 215次播放 · 2026-05-26

Egocentric Learning机器人学习Zero-Shot Learning

EgoWAM：超越像素的世界动作模型

把骨干、动作头与数据配比全部锁死，只换世界模型的预测目标：像素几乎不迁移，DINO 让分布外物体与场景泛化最多提升 4 倍，相机稳定 3D 流让域内提升 20–30%，而推理时世界模型头被整个丢掉，部署成本与行为克隆相同。

Baoyu Li, Xinchen Yin, Mengying Lin2026年7月8日

世界模型机器人操控模仿学习2026年7月8日

XR-2：1500小时双臂家庭操作缩放实验

PrimeBot等发布1500小时双臂家庭操作数据，训练5B VLA模型XR-2；叠衣任务上专家数据把成功率从34%推到84%后饱和，三轮DAgger在策略纠正再从58%提至93%。

Jiafeng Xu, Qi Li, Yan Shen2026年9月3日

Bimanual Manipulation视觉语言动作模型模仿学习2026年9月3日

2:16

HiFi-UMI：仅用高保真 UMI 数据学习可部署操作策略

HiFi-UMI 提出端到端高保真便携数据采集系统，通过头戴立体 SLAM、GPIO 硬件同步触发和超宽视场双相机解决手持 UMI 的轨迹精度、双爪相对位姿、同步和视场缺陷。验证零机器人后训练假设：仅用高保真 UMI 数据后训练即可达到真机遥操作水平的可部署操作策略。

Simple AI, :, Yuteng Wei2026年7月28日

UMI视觉语言动作模型HiFi-UMI2026年7月28日

Patch Policy：利用稠密视觉表征的高效具身控制

Patch Policy 提出一种轻量 Transformer 策略架构，直接消费冻结预训练 ViT 的稠密 patch 特征，避免全局池化带来的空间信息损失，也不需要亿级参数 VLM 的推理开销。其核心是 block-causal 注意力掩码：帧内 patch 全注意力，帧间严格因果，从而兼容 VQ-BeT、Diffusion Policy 等标准策略头。实验表明，在四个仿真和三个真实操作任务中，Patch Policy 相对全局特征策略平均提升 40%，并超越微调 OpenVLA-OFT 约 18%，同时参数量仅为后者的约 0.7%。

Gaoyue Zhou, Zichen Jeff Cui, Ada Langford2026年7月20日

Patch Policy稠密视觉表征DINOv22026年7月20日

PRISM：面向交互结构化运动控制的多项式表示

PRISM 提出一种紧凑的策略表示方法，将可观测物理变量间的多项式交互显式化、可学习化。标准 MLP 策略接收一阶变量（位置、速度），但许多动作相关线索来自乘积交互（如关节功率=扭矩×速度）。PRISM 用因子化多项式模块直接暴露这些交互，无需枚举所有单项式，在人形机器人行走和接触丰富操作上显著超越 MLP 基线。

Seung Hyun Lee, Stella X. Yu2026年7月26日

PRISM运动控制多项式网络2026年7月26日