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 多智能体系统 多模态学习 智能体 知识蒸馏 图像生成 代码生成 LLM智能体 注意力机制 LLM Agent 具身智能 流匹配 多模态大语言模型 视频理解 数学推理 检索增强生成 可解释性 图像编辑 多模态 机器人学习 机器人操作 自监督学习 工具使用 Transformer 基准评测 对比学习 长上下文 RLVR 多模态推理 计算机视觉 数据合成 LLM评估 信息检索 推理加速 3D重建 扩散语言模型 自回归模型 视觉推理 RAG 参数高效微调 LoRA 视觉-语言-动作模型 Flow Matching 模型压缩 自回归生成 视觉-语言模型 后训练 工具调用 持续学习 高效推理 RLHF 策略优化
找到 50 条结果
相关性 | 日期

机器人控制的上下文世界建模

👍 63

通过自探测交互上下文实现机器人策略零样本适应新配置

Siyin Wang, Junhao Shi, Senyu Fei, Zhaoyang Fu, Li Ji, Jingjing Gong, Xipeng Qiu 2026-06-26
上下文学习 世界建模 机器人学习 视觉-语言-动作模型
✅ 已总结
详情 →

MotionVLA：用于人形运动的视觉-语言-动作模型

👍 5

提出双流频率标记器和MotionVLA框架，解决人形运动生成中姿态语义与物理动态的频域不匹配问题

Nonghai Zhang, Siyu Zhai, Yanjun Li, Zeyu Zhang, Zhihan Yin, Yandong Guo,... 2026-06-17
人形运动生成 多模态学习 自回归生成 视觉-语言-动作模型 频域标记化
✅ 已总结
详情 →

ActiveMimic：基于主动感知的自我中心视频预训练

👍 2

用第一人称视频的相机运动作为主动感知监督信号预训练机器人策略

Xingyao Lin, Guojin Zhong, Tianyi Lu, Ziyi Ye, Yichen Zhu, Zuxuan Wu, Yu-Gang Jiang 2026-06-15
主动感知 机器人学习 模仿学习 自我中心视频预训练 视觉-语言-动作模型
✅ 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 →

世界动作模型：具身智能的下一前沿

👍 69

首篇系统综述将世界模型融入动作生成的具身基础模型范式，提出 Cascaded/Joint WAM 二分法。

Siyin Wang, Junhao Shi, Zhaoyang Fu, Xinzhe He, Feihong Liu, Chenchen Yang,... 2026-05-13
世界模型 具身智能 基础模型 机器人学习 综述
✅ 已总结
详情 →

机器人学习中的世界模型：一份综合性综述

👍 17

系统梳理世界模型在机器人策略学习、模拟器、视频生成与导航驾驶中的架构范式、功能角色与评测体系。

Bohan Hou, Gen Li, Jindou Jia, Tuo An, Xinying Guo, Sicong Leng, Haoran... 2026-05-13
世界模型 具身智能 机器人学习 策略学习 视觉-语言-动作模型
✅ 已总结
详情 →

MolmoAct2：面向真实部署的动作推理模型

👍 355

全开源动作推理VLA模型,独创分层KV条件架构+自适应深度推理,跨多平台零样本部署并刷新多项基准。

Haoquan Fang, Jiafei Duan, Donovan Clay, Sam Wang, Shuo Liu, Weikai Huang,... 2026-05-05
具身推理 开源 机器人 流匹配 视觉-语言-动作模型
✅ 已总结
详情 →