世界模型

Google Gemini Robotics 2.0即将发布

Google Gemini Robotics即将迎来重大更新，视频中双臂人形机器人暗示2.0版本即将到来。前作1.6版本已具备空间推理、多视角理解、任务规划与成功检测能力。

TRON 2 VLA自主追踪与糖果递送

LimX Dynamics开源TRON 2 VLA模型，实现动态视觉感知、实时末端追踪与精准递送糖果，已在GitHub和HuggingFace发布。

RL2-VLA：VLA 模型自适应 RL 潜空间组合引导与测试时扩展

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。

Derek Ming Siang Tan, Shailesh Shailesh, Srikrishna Iyer

mimic-video在LIBERO上效率领先

在LIBERO上，mimic-video达到10倍样本效率和2倍收敛速度，单次演示即获77%成功率，因结构上区别于pi0等基于VQA的VLA模型。

ABot World 0.5B消费级世界模型

ABot World 0.5B世界模型可在消费级GPU上实时运行，输入初始图像后用键盘控制，可本地运行或在线体验。

πR²：反应式实时流策略

将扩散流操作策略变为反应式实时控制：快速本体感知通道+异步视觉通道+延迟自适应流调度，单步去噪每帧重规划，在真实机械臂上达 25Hz，成功率提升 30%。

Sungjae Park, Shubham Tulsiani

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 Wei

DexRobot开源SO101抓取SFT与DM0.5微调工作流

DexRobot开源SO101抓取SFT与DM0.5 LoRA微调：仅用50条橙色方块数据微调后，实机成功将方块放入盘中。

CoorDex让人形机器人边走边操作

CoorDex在潜空间协调身体与灵巧手运动先验，使人形机器人行走与操作同步；AnyBody从稀疏关键点实现全身协调控制并适应环境。

触觉世界动作模型Being-H0.8

首次将触觉引入大规模具身基础模型预训练,在共享隐空间统一视觉、触觉、动作与未来世界动态

多回合长时程规划的物理:从预训练到后训练

研究多回合长时程规划的物理,从预训练到后训练全流程,服务于世界模型与agent的长时程规划。

Tianyi Men, Zhuoran Jin, Kang Liu

τ:从未来视觉监督学习触觉增强的视觉-语言-动作模型

提出τ方法,从未来视觉监督学习触觉增强的VLA模型,将触觉信号融入视觉-语言-动作框架。

Ning Cheng, Jinan Xu, Wanlin Li