世界模型

DynaWM：动力学感知蒸馏实现双足轮式机器人连续楼梯平滑运动

在并发师生框架中引入世界模型（深度残差网络预测未来地形状态）和动量目标编码器（BYOL 式 EMA），通过预测损失强制教师编码器学习时空感知表示，为 student 提供稳定蒸馏目标，解决连续楼梯平滑运动问题。

Haidong Hou, Zhangguo Yu, Hengbo Qi

EgoEngine 从第一视角视频生成灵巧演示

EgoEngine 把第一视角人类操作视频转成高保真机器人演示：生成对齐的机器人视角画面与可执行轨迹，实现无需真机示教的零样本灵巧操作学习。

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。

LEGS：无需遥操作的仿人操作策略微调

LEGS 用网格前景与三维高斯泼溅背景合成人形全身操作数据，并以运动基元自动生成演示。实验显示其训练策略在 Unitree G1 上匹敌或超过人工遥操作数据，跨场景泛化成本更低。

Kim, Hojune, Chen, Timothy, Sun, Jiankai

人形机器人行为基础模型BFM规模化

研究者推进行为基础模型BFM在人形机器人上的规模化应用，释放人形机器人操作潜力。

世界行动模型 (WAMs)：统一 VLA 与世界模型

提出世界行动模型 (WAMs)，统一状态预测与动作生成，弥补 VLA 局限。构建分类体系并分析数据生态。

Siyin Wang, Junhao Shi, Zhaoyang Fu

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。

NVIDIA Isaac GR00T N1.7 开源 VLA 基础模型

NVIDIA Isaac GR00T N1.7 开源 VLA 基础模型,商用授权,面向人形机器人真实部署,支持 Hugging Face 集成。

π0.7：可操控的通用机器人基础模型与涌现能力

Physical Intelligence 提出可操控的机器人基础模型 π0.7：通过语言指令、子目标图像与任务元数据等多模态上下文条件化，在未见环境多阶段任务、零样本跨本体泛化中开箱即用，性能比肩 RL 微调专用策略，并展现涌现能力。

Physical Intelligence, Bo Ai, Ali Amin

RD-VLA 在潜空间中迭代推理

RD-VLA 用权重共享的循环动作头在潜空间迭代细化动作，无需显式推理 token，并按收敛程度动态分配测试时计算。

ZEST：面向运动型机器人控制的零样本具身技能迁移

ZEST 用单阶段强化学习，把动作捕捉、单目视频和关键帧动画三类异构参考动作统一训练成模拟策略，零样本部署到 Atlas、Unitree G1 和 Spot，实现全尺寸人形机器人上首个动态多接触技能，无需接触标签、状态估计器或逐技能调参。

Jean Pierre Sleiman, He Li, Alphonsus Adu-Bredu

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。