标签： 全部 强化学习 扩散模型 大语言模型 基准测试 视频生成 视觉语言模型 世界模型 GRPO 多模态大模型 知识蒸馏 LLM智能体 多智能体系统 智能体 多模态学习 流匹配 具身智能 图像生成 基准评测 代码生成 LLM Agent 检索增强生成 注意力机制 机器人操作 多模态大语言模型 视频理解 可解释性 数学推理 图像编辑 多模态 机器人学习 RLVR 自监督学习 长上下文 后训练 Transformer 工具使用 对比学习 数据合成 视觉-语言-动作模型 推理加速 工具调用 LoRA 多模态推理 RAG 计算机视觉 LLM评估 信息检索 视觉推理 评测基准 高效推理 参数高效微调 扩散语言模型 自蒸馏 综述 Flow Matching 3D重建 模型压缩 自回归生成 持续学习 自回归模型
找到 113 条结果
相关性 | 日期

重新审视机器人操作中的关节部件感知

👍 3

提出GPS表示结合VR数据收集，提升机器人对关节部件的感知与操作能力

Xiaoqian Wu, Yejie Guo, Xiaoyang Chen, Lixin Yang, Cewu Lu, Yong-Lu Li 2026-06-12
VR数据收集 关节物体感知 几何表示学习 机器人操作 机器人视觉
✅ 已总结
详情 →

通过权重空间元学习实现机器人策略适应

👍 4

从语言和视频证据直接生成LoRA适配器，实现零样本机器人策略适应

Christian Bianchi, Siamak Yousefi, Alessio Sampieri, Andrea Roberti, Luca... 2026-06-09
元学习 参数生成 多模态学习 机器人操作 策略适应
✅ 已总结
详情 →

Dream.exe：视频生成模型能否生成可执行的机器人操作？

👍 17

提出首个评估视频生成模型物理可执行性的基准测试框架，通过模拟器中的实际执行成功来衡量模型的物理知识。

Rui Zhao, Kaiming Yang, Jifeng Zhu, Siyang Chen, Ziqi Wang, Weijia Wu, Kevin... 2026-06-05
世界模型 机器人操作 物理可执行性 行为先验 视频生成
✅ 已总结
详情 →

WALL-WM：在事件节点处雕刻世界动作建模

👍 24

用语义事件而非固定时间块作为学习单元，解决语言-视觉-动作粒度失配问题

Shalfun Li, Victor Yao, Charles Yang, Truth Qu, Regis Cheng, Ryan Yu, Howard... 2026-06-03
世界动作模型 事件中心学习 多模态预训练 机器人操作 视觉-语言-动作模型
✅ 已总结
详情 →

AFUN：迈向功能理解的可供性基础模型

👍 8

AFUN 单次前向联合预测功能性掩码与3D贝塞尔运动曲线，迈向开放世界机器人操作。

Zhaoning Wang, Yi Zhong, Jiawei Fu, Henrik I. Christensen, Jun Gao 2026-06-02
RGB-D感知 分割基础模型 可供性理解 机器人操作 视觉-语言模型
✅ 已总结
详情 →

生成式监督助力具身智能

👍 32

将深度图生成融入VLM预训练，提升空间推理与物理操作能力

Ruowen Zhao, Bangguo Li, Zuyan Liu, Yinan Liang, Junliang Ye, Fangfu Liu,... 2026-05-28
VLA 具身智能 机器人操作 深度预测 视觉-语言模型
✅ 已总结
详情 →

Cortex 2.0：面向真实工业部署的世界模型落地

👍 6

用视觉隐空间世界模型给VLA加上前瞻规划，实现工业机械臂零人工干预

Adriana Aida, Walida Amer, Katarina Bankovic, Dhruv Behl, Fabian Busch,... 2026-04-23
世界模型 工业部署 机器人操作 流匹配 视觉-语言-动作模型
✅ 已总结
详情 →

HiVLA:以视觉定位为核心的分层具身操作系统

👍 21

把VLM做高层规划、DiT做低层控制，用级联交叉注意力桥接视觉定位与动作。

Tianshuo Yang, Guanyu Chen, Yutian Chen, Zhixuan Liang, Yitian Liu, Zanxin... 2026-04-17
Flow Matching 分层架构 扩散Transformer 机器人操作 视觉-语言-动作模型
✅ 已总结
详情 →