1
Yuxin Jiang, Wenqiang Sun, Jiaqi Li, Yuchao Gu, Lvmin Zhang, Ivor Tsang, Mike Zheng Shou
任务设定
从无标注视频中学习可迁移的隐式动作表示
痛点动机
现有隐动作学习方法的动力学模型需从头训练,泛化弱
解决方案
复用预训练视频扩散模型作为逆向/正向动力学的统一先验,端到端学习隐动作
2
Yansong Qu, Wesker Zheng, Quanjian Song, Zhiyuan Zhang, Xiao Cao, Shengchuan Zhang, Liujuan Cao
任务设定
生成高分辨率世界视频用于世界模型
痛点动机
直接生成高分辨率视频计算和显存开销过大
解决方案
用单一共享骨干先做低分辨率预测再做高分辨率一步精修,支持流式生成
3
Yiyang Du, Yuxuan Kuang, Qitao Zhao, Yixuan Wang, Zhanqiu Guo, Yi Xu, Xin Li, Wenbin He, Liu Ren, Chenyan Xiong
任务设定
评测前沿智能体直接控制机器人的能力
痛点动机
现有基准只给成功率,看不出成功/失败原因
解决方案
提出意图驱动评判框架,让评判器对照局部意图分析动作结果和失败模式
4
Kai Lu, Chenyang Ma, Ioannis Havoutis
任务设定
长时序人形机器人移动操作任务执行
痛点动机
单一 VLA 模型难以兼顾时序结构、技能与精度控制
解决方案
用状态机管理阶段转换和技能触发,配合世界坐标锁定保持空间一致性,让 VLA 专注技能本身
5
Hangwei Zhang, Rujing Dang, Ruimin Lin, Jiahong Wu, Xiangxiang Chu, Chuanxia Zheng
任务设定
给定场景观测和文本动作,预测未来 4D 几何视频
痛点动机
现有世界模型视频精美但缺乏物理一致性与几何精度
解决方案
融合预训练视频生成模型与 3D 重建模型,联合预测视频、深度与场景流
6
Yunqi Zhao, Run Peng, Ze Dong, Ryan Lu, Yinpei Dai, Joyce Chai
任务设定
在第一视角任务指导中建模灵活的人机交互时机
痛点动机
现有基准把指导对话当作固定标准答案,忽略灵活性
解决方案
基于真实人类示范数据,训练能判断何时介入的实时引导智能体
7
Yuzhi Huang, Jie Wu, Fanding Huang, Junchao Lin, Weichen Zhang, Ziyi Xiong, Yang Li, Zhengwei Xie, Zhimin Wang, Zhen Liu, Jiazhen Huang, Yuzheng Zhang, Yuche Liu, Hongyi Yang, Chen Tang, Shixiang Tang, Hakan Aktas, Adam Wu, Duo Wu, Kangye Ji, Shuzhao Xie, Huanan Liu, Weijue Bu, Chenxin Li, Xinyuan Wang, Tianyi Bai, Yinan Mao, Jiawei Wang, Minglei Li, Heng Yu, Ehsan Adeli, Minchen Li, Yong-Lu Li, Cengiz Öztireli, Huazhe Xu, Chao Yu, Jing Zhang, Shanghang Zhang, Weitao Zhou, Wenwu Zhu, Cheng Chi, Jingyan Jiang, Zhi Wang et al. (13 additional authors not shown)
任务设定
诊断机器人操作中认知推理与物理执行能力的组合
痛点动机
现有基准无法分辨失败源于推理、执行还是两者协同
解决方案
提出 30 个任务、180 种配置的诊断基准,分 Mind、Act、Mind2Act 三视角定位 VLA 与世界-动作模型的失败环节
8
Zixuan Liu, Hashem Haghbayan, Zizhan Zheng, Siavash Khajavi
任务设定
检索增强的 VLA 模型测试时自适应控制
痛点动机
检索到相关示范后 VLA 仍可能用不好,导致任务失败
解决方案
学习不确定性预测器判断何时自主执行、何时请求专家协助,并用风险校准保证任务成功率
9
Shihan Wu, You Liu, Chunyu He, Minghui Qin, Longhan Jiao, Jinbang Guo, Shaoxuan Xie, Kaixi Tian, Wenjie Chen, Jingrui Pang, Yuanhang Zhang, Yichi Zhang, Miao Liu, Tengfei Pan, Yance Jiao, Yunyan Zhang, Yihang Li, Yongjian Shen, Li Liu, Kai Zhu, Chen Fang, Jianxing Chen, Sihan Liu, Xiaofeng Wang, Jie Zhao, Jing Li, Yueqi Wang, Yichen Tang, Wei Li, Zhexuan Yang, Yue Cao, Ji Zhao, Kai Wang, Dongsheng Jiang, Yongwei Wang, Wei Mu, Jiangmiao Pang, Maoqing Yao, Wenchao Ding, Zheng Zhu, Zhongpu Xia, Dalong Du, Jianwei Niu, Dahui Gao, Zhiwei Yu, Bo Lei, Huan Yang, Yonghua Lin, Tiejun Huang, Zhongyuan Wang, Guocai Yao et al. (21 additional authors not shown)
任务设定
构建第一人称操作数据集,记录人类意图信号
痛点动机
动作背后的意图状态在现有数据集中不可观测
解决方案
采集凝视、肌电、脑电三级代理信号,还原从意图到动作的完整通路
10
Hrishikesh Viswanath, Aniket Bera
任务设定
学习跨场景的连续时间 3D 动态预测算子
痛点动机
现有方法需逐场景优化或依赖预设物理假设
解决方案
融合多视角 RGBD 到体素网格,预测连续速度场,可泛化到新场景
11
EngineAI
任务设定
利用人类全身动作数据训练类人机器人移动操作
痛点动机
现有第一人称数据集缺乏同步的全身动作监督
解决方案
5 万小时人体动作预训练 VLA 模型,共享动作专家联合预测人体与机器人动作
12
Zixuan Huang, Yang Zhou, Guli Zhang, Sunzhu Li, Hongyan Xie, Zehao Chen, Fuzhen Zhuang, Kaixuan Wang, Xiaozhi Chen, Yikun Ban, Deqing Wang
任务设定
视觉语言导航任务,无需对 VLM 做领域微调
痛点动机
直接微调 VLM 会破坏其通用视觉能力
解决方案
VLM 以自然语言工具调用下达指令,动作专家执行,二者闭环 RL 联合优化
13
Weile Li, Yunfan Lou, Muqing Shi, Zihao Zhang, Zhenbiao Huang, Boxian Yao, Xiyu Zhu, Zhibo Pang
任务设定
为 VLA 模型引入触觉监督改善接触丰富操作
痛点动机
触觉信号多可被视觉动作预测,难带来增益
解决方案
仅用无法被视觉解释的触觉变化作训练目标,离散编码辅助策略学习
14
Kaiwen Zhang, Yiming Gao, Zeqi Xiao, Xintao Wang, Pengfei Wan, Kun Gai, Xingang Pan
任务设定
训练视频扩散模型进行多步推理与规划
痛点动机
现有视频生成常违反物理约束,规划能力弱
解决方案
将生成视为决策链,预测状态转移并学会何时停止,配合纠正式微调
15
Yuqi Tang, Yang Shi, Yuran Wang, Tengfei Liu, Rundong Wang, Zongyang Qiu, Qixun Wang, Zhuoran Zhang, Xuanyu Zhu, Yifan Xu, Yiyan Ji, Shujie Li, Shixuan Liu, Haotian Wang, Yuanxing Zhang, Pengfei Wan, Chengwei Qin
任务设定
第一人称视频的细粒度带时间戳字幕生成
痛点动机
现有 MLLM 易漏检短动作、时序混淆
解决方案
结合粗到细标注与 GRPO 强化学习,用姿态推导事实校正字幕
16
Han Xiao, Zhiyong Bao, Xiaotong Liu, Yanhao Chen, Qingqiang Wu
任务设定
研究世界模型跨环境迁移物理规则的能力
痛点动机
长尾训练数据使模型偏向常见规则而忽视证据
解决方案
提出 RIFT 方法,从校准视频推断规则并用于新初始状态下的预测
17
Bin Li, Xing Zhu, Jingya Wang
任务设定
根据文本、音频、视频线索生成人形角色的物理反应动作
痛点动机
现有方法线索单一且仅做运动学生成,易出现物理穿帮
解决方案
提出离散-连续混合 Transformer 预测下一状态,结合动作 Transformer 实现仿真中的物理闭环控制
18
Jiaming Li, Lingzhen Li, Xiaze Yang, Chenyu Zhu, Kaiqi Liu, Xiaotong Zhao, Songlian Li, Toyota Li, Alan Zhao, Haobin Zhong, Yue Ma, Zhiyuan Ma
任务设定
流式视频世界模型的高效推理加速
痛点动机
现有投机式验证成本高,拒绝草稿后需昂贵地重新生成
解决方案
用目标模型隐空间速度场验证草稿块,并复用验证结果做分级修正,代替重新生成
19
Zhaoxi Zhang, Hao Liang, Linxuan Wu, Yiming Xu, Yifu Yuan, Kun Liang, Chenming Tang, Meiyi Qiang, Wentao Zhang, Weikang Li, Yunfang Wu
任务设定
评测 VLM 智能体在真实 3D 场景中主动探索定位物体的能力
痛点动机
现有基准多基于仿真,真实场景下定位精度仍待验证
解决方案
构建 Realsee3D 真实住宅数据集,智能体自主选视角迭代估计物体中心
20
Tianyi Xu, Boyang Lyu, Yunkai Tang, Kairan Ding, Jiahang Li, Weiyu Guo, Yandong Guo, Shuchen Weng, Boxin Shi
任务设定
实时流式生成第三人称视频到第一人称视角的转换
痛点动机
现有方法操作区域细节差、过拟合且仅支持固定长度片段
解决方案
用双分支先验对齐外观与骨骼动作,蒸馏为分块自回归模型实现 24 FPS 实时生成
21
Jack Anders Smitterberg, Tan Chen
任务设定
为 Unitree Go1 四足机器人采集本体感知数据的开源工具
痛点动机
官方 SDK 文档稀缺且 ROS1 已弃用,采集数据门槛高
解决方案
提供 GUI 实时记录关节、IMU、足底力等数据,并验证可用于地形分类
22
Wenkai Ji, Zeteng Li, Yinkun Guo, Jie Zhou, Liang He, Zhenong Jin
任务设定
预测水稻从照片到未来数天至数月的生长形态
痛点动机
现有图像生成模型不理解植物当前生长阶段,预测形态常出错
解决方案
提出 AgroWM ,先用 PhenoClock 推理生长阶段生成脚本,再用 Rooted Renderer 编辑照片
23
Yuqi Guo, Michael Wray
任务设定
分析第一人称视频检索中动词-名词组合的预训练暴露影响
痛点动机
现有 VLM 零样本检索强,但组合理解能力和暴露关系不明
解决方案
构建 Ego-ExBind 诊断协议,通过暴露重加权提升检索而无需改变模型
24
Jiahao Hu, Jingdong Du, Yichen Zhang, Yi Song, Zhenyu Zhang, Jiaxin Niu, Ruihang Li, Xiangzhao Hao, Yiqian Zhang, Yong Huang, Zefeng Zhang, Zheyuan Gu, Shuohuan Wang
任务设定
探索用单一预训练 VLM 共享骨干同时支持理解与生成
痛点动机
现有统一模型常分离表征或骨干计算,限制了统一程度
解决方案
复用同一 ViT 与 Transformer 骨干,新增像素扩散头和 HiGate 补充细节
25
Zhengtu Liang, Qiwei Liang, Tao Lin, Shihang Weng, Boyang Cai, Xiangyu Chen, Yikeng Chen, Jiaming Liang, Bohan Tan, Yu Yan, Renjing Xu
任务设定
统一速度预测与终点预测的机器人操作策略生成
痛点动机
flow-matching 策略全程用单一预测目标,难兼顾去噪与精修两阶段需求
解决方案
联合训练两种预测目标并用一致性监督,依噪声水平动态切换,单步网络即可生成动作
26
Fatima Atwi, Constant Roux, Christian Bergaud, Olivier Stasse
任务设定
用脉冲神经网络控制人形机器人 H1-2 完成双足行走
痛点动机
探究类脑网络能否兼顾生物合理性与稳健的人形机器人运动控制
解决方案
对比储备池网络、奖励调制 STDP 与反向传播训练方案,蒸馏强化学习专家策略实现行走
27
John Won, Yonghoon Dong, Jinwoo Shin
任务设定
让世界模型准确反映动作扰动对画面的影响
痛点动机
相近动作可能导致迥异结果,现有模型难以捕捉这种敏感性
解决方案
向动作注入时序相关噪声,训练模型使生成视频对噪声的响应与真实录像一致
28
Dong An, Tianyu Liu, Haoran Ding, Wen Yang, Anqing Duan, Zhengzhong Liu, Eric P. Xing, Guangyi Liu
任务设定
机器人世界模型预测动作执行后场景如何变化
痛点动机
单一视频模型难以同时推断交互动力学和渲染外观,导致物体运动失真
解决方案
用 3D 点动力学作为代理,先模拟点云运动再渲染回像素视频
29
Yao Zhang, Bin Yu, Shijie Lian, Haishan Liu, Changti Wu, Yu Wu, Kai Chen
任务设定
降低隐空间世界模型规划时的推理延迟
痛点动机
递归式展开比较候选动作序列代价高,难以满足实时决策需求
解决方案
构建目标导向计划,直接预测完整候选结果避免递归展开,提升规划速度与成功率
30
Zhengru Fang, Zehao Liu, Mingyu Tsoi, Yaoyu Zhu, Junlong Li, Fengmao Lv, Sijie Cheng, Yuanliang Sun, Fang Yang, Jun Zhang
任务设定
评测自我中心视频中物体实例级空间记忆与推理
痛点动机
现有长视频基准缺乏实例级空间记忆评测
解决方案
提出 EgoWitness 基准及 EgoClue 智能体,检索验证后用 SFT+GRPO 训练
31
Runze Wang, Fei Zha, Bing He, Ke Xu, Zhongyuan Wu, Yuxuan Xie, Wenzheng Wu, Zhongyuan Liu, Youcheng Cai, Ligang Liu
任务设定
交互式游戏世界中的动态条件视频渲染
痛点动机
长时间游戏中渲染器难以兼顾条件更新与画面连贯性
解决方案
提出自回归视频扩散框架,用循环历史压缩在有限 token 预算下保持跨代理表征的连贯渲染
32
Haonan Wang, Hanyu Zhou, Xiaobin Hu, Luxin Yan
任务设定
增量式 3D 场景生成与持续场景更新
痛点动机
现有方法把生成内容当既定结构,早期错误会持续累积
解决方案
提出 World-delta 框架,用不确定性感知的世界建模结合增量扩散仅修正受影响区域
33
Jinkun Cao
任务设定
高效精准的人体网格恢复与场景/机器人对齐
痛点动机
现有方法难兼顾推理速度、重建精度与场景交互、机器人重定向需求
解决方案
直接预测密集人体点并一步拟合 SMPL ,利用接触点实现人-场景对齐及向 Unitree G1 的运动重定向
34
Jiaming Liu, Linghe Kong, Guixu Zhang, Huaxi Huang
任务设定
零样本 3D 视觉定位,用语言描述定位 3D 场景目标物体
痛点动机
流水线式工具调用割裂语义与几何推理,易误差累积难纠错
解决方案
提出语义锚点与几何锚点协同的双锚代理,双向交互闭环优化定位
35
Yukun Dai, Tianshi Wang, Fengling Li, Jingjing Li, Xin Li, Lei Zhu
任务设定
研究针对世界动作模型( WAM )的定向对抗攻击
痛点动机
WAM 预测的未来常被视为安全信号,但可被攻击者操控误导动作
解决方案
提出 SteerTrace ,用单一通用扰动追踪攻击如何引导模型动作
36
Deokhyun Ahn, Hyukjin Kim, Jae-Ho Han, Bumsub Ham, Heeseung Choi, Ig-Jae Kim, Haksub Kim
任务设定
基于 ego-exo 视频等多模态信号估计人类技能熟练度
痛点动机
熟练度抽象主观,传感器证据与标签间存在鸿沟难以弥合
解决方案
用动作描述定位关键窗口,提取动作-动态特征做样例对比评分
37
Jun Xia, Shangwen Wang, Jun Ma, Ruichao Ren, Zhouyang Jia, Xin Zhao, Huijun Liu, Jie Yu
任务设定
针对 VLA 机器人操作策略的视觉对抗纹理攻击
痛点动机
优化贴图易被察觉移除,需更隐蔽的攻击方式
解决方案
用扩散先验搜索自然纹理,结合闭环反馈筛选干扰性最强的贴图
38
Xudi Ge, Yepeng Liu, Haifeng Liu, Enze Shi, Liangqi Zhang, Yongchao Xu
任务设定
光照变化下灵巧操作的触觉辅助动作修正
痛点动机
光照变化会致视觉策略动作漂移,现有方法不知何时用触觉纠正
解决方案
结合视觉可靠性估计与触觉预测校验,动态门控修正未执行动作
39
Xiyang Zhang, Yuanhe Tian, Hongzhi Wang, Yan Song
任务设定
给定历史图像与动作预测未来帧的视觉延续任务
痛点动机
场景状态摘要若不可回溯,后续修正会丢失关键信息
解决方案
提出 Coherent Archive Memory 存储几何摘要,支持历史一致性修正
40
Zihan Zhou, Wenxi Xu, Qilin Wang, Hao Tang
任务设定
基于 CF-JEPA 的动作条件世界模型物理属性预测
痛点动机
早期观测到的物理属性后续不可见,但仍影响未来动作效果
解决方案
用分区记忆存储真实历史转移,检索后用于候选动作 rollout
41
Xu Pan, Chubin Zhang, Xingrui Yu, Runmin Lan, Zihao Wang, Wenkai Guo, Bofang Jia, Bo An, Ziwei Wang
任务设定
异步 VLA 机器人控制中感知与执行的时序对齐
痛点动机
视觉推理滞后导致感知记忆过时、动作片段不连贯
解决方案
用因果潜在世界模型预测当前感知记忆,结合流匹配单步修正动作
42
Chenyuan Zhou, Chaoyi Huang, Zibo Wang, Zhiyuan Li, Yong-Lu Li
任务设定
让 VLA 策略通过发现物体功能区域适应新工具
痛点动机
不同工具形状各异,操作技能难以跨工具泛化
解决方案
智能体在仿真中自主构建验证功能可供性假设,指导π0.5 策略
43
Ye Lin Tun, Chu Myaet Thwal, Eui-Nam Huh, Choong Seon Hong
任务设定
多机器人联邦强化学习导航策略训练
痛点动机
环境难度各异,均匀/按回报加权聚合会失效
解决方案
按模型提升幅度与环境难度加权聚合各客户端更新(FedDIA)
44
Yutao Li, Chen Wang
任务设定
评估视频生成模型作为世界模型的物理合理性
痛点动机
单样本对比会奖励预测方差收缩而非真实分布
解决方案
提出 Kernel Physics-IQ ,用两独立样本衡量预测分布保真度
45
Yutao Li, Chen Wang, Wangmeng Zuo, Hui Li
任务设定
探究视频世界模型是否学到真实物理规律
痛点动机
仅看运动/外观分数无法判断模型是否理解物理
解决方案
用受迫振动实验加双重视觉-数值条件,测试非线性动力学泛化
46
Yichen Guo, Yanlong Chen, Xinyue Zhang, Mohan Liu, Song Zhang, Yawei Li
任务设定
对世界动作模型(WAM)进行 4 比特量化部署
痛点动机
现有量化只护动作路径,预测未来的保真度被忽视
解决方案
提出 LAQ ,按读取次数分配比特精度以保护预测未来特征
47
Anh Dao, Xinxin Liu, Hang Yu, Jeffrey A Chan Santiago, Yuzhang Shang
任务设定
用世界动作模型预测视频并生成机器人动作
痛点动机
大模型推理慢、显存占用高,难以边缘部署
解决方案
共享循环 Transformer 块反复执行,视觉动作异步深度,弹性自蒸馏支持多种精度延迟权衡
48
Xinze Shi, Litian Zhang, Zhenjie Su, Zelong Yu, Yuting Zhang, Qihua Feng, Zifeng Kang, Chaozhuo Li, Zhengxuan Hu
任务设定
训练预测动作结果概率的语言世界模型
痛点动机
成对比较反馈训练会扭曲原本准确的概率分布
解决方案
证明偏移源于 Bradley-Terry 目标本身而非比较数据,似然法可避免该偏移
49
Yuseon Choi, Sanghyeon Park, Eunjong Lee, Hanseo Lee, Sangjin Kim
任务设定
为具身智能体扩展经验库存储与检索
痛点动机
经验库增大后边缘设备存储与检索带宽受限
解决方案
基于 CBA 闪存架构并行检索,结合本体感知聚类降低搜索开销
50
Wenshuo Chen, Honglei Jin, Le Yang, Jianfei Song, Shaofeng Liang, Lei Wang, Junze Zhu, Kailong Wang, Zhengxi Jin, Haozhe Jia, Honglin Chu, Songning Lai, Xiucheng Wang, Yutao Yue
任务设定
将多个机器人专家策略合并为单一策略
痛点动机
参数空间对齐难以保持闭环行为,合并易丢失专长
解决方案
用专家轨迹校准各模块输入输出,无梯度拟合合并权重
51
Amit Feldman, Ilan Shimshoni, Rotem Dror
任务设定
第一视角视频中在线检测操作步骤是否出错
痛点动机
现有方法要么不用指令文本,要么只能离线判断
解决方案
结合指令定位并判断步骤执行正误,对比模块化与联合模型两种方案
52
Yijun Liu, Shijia Ge, Tongtong Feng, Xin Wang, Yuan Meng, Yuwei Liu, Zhi Wang, Wenwu Zhu
任务设定
机器人操作中的动作条件视频预测
痛点动机
现有扩散预测从纯噪声去噪,质量低且需多步推理
解决方案
用自生成草稿作为条件自我优化,推理仅需 4 步函数评估
53
Jiachen Tao, Gengyu Zhang, Haoxuan Wang, Bing Liu, Yan Yan
任务设定
让机器人策略在长时程任务中自我提升成功率
痛点动机
策略自采数据局限于自身能力,难突破组合技能瓶颈
解决方案
冻结 VLM 教练观察机器人并用语言指出下一步子目标,再用成功轨迹微调策略
54
Shixun Huang, Lifu Wei, Yue Chang, Chen Geng, Heng Zhang, Jinhyung Ahn, Caoliwen Wang, Siyuan Chen, Donglai Xiang, Jiajun Wu, Peter Yichen Chen
任务设定
为静态 3D 物体预测可交互的物理动态表示
痛点动机
4D 世界中的物体无法响应真实物理交互
解决方案
预训练配置空间预测器,单次前向获得广义坐标,支持拉格朗日动力学实时模拟
55
Qiman Wu, Hanlin Chen, Yuhua Wei, Mingyuan Wang, Shaman Tang, Minghao Li, Rui Xin, Xingye Liu, Zhichao Yang, Yiqi Yu, Hongyan Pei, Xiaowen Tian, YingYing Liu, Shiwen Liu, Jiahui Hu, Yizhao Wang, Yuheng Zhang, Anhua Liu, Yue He, Shuang Su, Da Zhu, Hua Zhou, Pengfei Diao, Haojie Yang, Weichao Huang, Hang Zhang, Honggou Yang, Xianming Liu
任务设定
面向端侧的具身智能感知与控制统一模型家族
痛点动机
物理 AI 需在有限算力下理解空间并实时输出动作
解决方案
轻量视觉语言模型 TuringPAI-VL 衍生出自动驾驶与机器人操作两类下游 VLA 模型
56
Madeleine Nouri, Gelareh Mohammadi, Francisco Cruz
任务设定
评估无演示的分层强化学习完成导航与机械臂操作
痛点动机
验证技能组合能否降低训练数据量与交互次数
解决方案
分别训练可复用技能模块,再分层组合完成导航、抓取与堆叠任务
57
Linfeng Dong, Jianwei Niu, Jiuyi Zhao, Ruibing Feng, Xinghao Wu, Wu Yang, Shuai Tao, Wulong Liu, Mu Li
任务设定
长时序机器人操作中记忆推理与动作生成的结合
痛点动机
现有记忆增强 VLA 要么不推理历史,要么推理时挤占当前感知
解决方案
提出 ActMem ,解耦记忆推理与感知,用潜在记忆思维链驱动流匹配动作专家
58
LoongForge Team
任务设定
统一训练异构具身智能模型( VLA 与世界动作模型)
痛点动机
VLA 与世界动作模型架构各异,训练优化难以复用
解决方案
构建统一抽象层与硬件感知加速基础设施,大幅提升训练与评测效率
59
Xinzhe Fu, Qi Shao, Yuanfei Xie, Taoyu Wu, Zhihao Cao, Long Hu, Hong Liang, Xianzhi Li, Anh Nguyen, Baoru Huang, Rongsheng Li
任务设定
单视角 RGB-D 图像中补全透明物体的表面深度
痛点动机
镜面反射致深度缺失、折射致深度被背景污染,难以可靠抓取
解决方案
构建多范围逆深度假设,用选择性循环优化与空间门控残差逐步精修深度
60
Chengyang Dong, Ze Chen, Kai Ye, Chutian Wang, Heng Xu, Wei Mo, Maomao Li, Jiayan Xu, Jiayuan Wu, Yihao Xiao, Linhua Ye, Zhonghua Peng, Ruize Han, Jialong Sun
任务设定
VLA 模型部署时测试时适应,应对分布偏移
痛点动机
反向传播微调显存开销大,零阶优化长时程梯度方差高易退化
解决方案
提出 Dune ,用时间条件历史误差回归融合零阶扰动估计,降低方差稳定长程适应
61
Haoxuan Jia, Yang Liu, Shang Luo, Chenhao Wu, Zixiang Ni, Yingguang Yang, Feng Zhang, Chongyang Zhang, Hao Zheng, Kefu Xu, Congjing Ran, Jifeng Zhu, Bin Chong
任务设定
诊断视觉世界模型规划器失败的根本原因
痛点动机
区分搜索失败与打分失败需要不同的修复方式
解决方案
对比候选动作在真实与预测结果上的代价差异定位失败类型,再用演示检索热启动搜索或加权平均修正
62
Bowen Xue, Saeed Hadadan, Fabrice Rousselle, Zahra Montazeri, Ravi Ramamoorthi, Milos Hasan
任务设定
从单段视频重建可编辑的大规模网格场景
痛点动机
直接让智能体重建场景常出现布局、尺度、光照错误
解决方案
多智能体协作调用视觉模型与 Blender 程序,按可见性补全未见区域并生成场景
63
Takahiro Miki, Robin Schmid, Manthan Patel, Turcan Tuna, Julia Richter, Julian Nubert, Joonho Lee, Matthias Müller, Marco Hutter
任务设定
让腿式机器人在复杂野外与城市环境中实现公里级自主导航
痛点动机
需同时具备地形运动控制与高层语义推理能力
解决方案
结合 VLM 语义推理生成风险地图,驱动预训练 强化学习 运动与导航策略
64
Dingqiang Ye, Kartik Narayan, Vishal M. Patel
任务设定
在衣物/姿态变化下进行跨场景人物身份识别
痛点动机
现有方法把身份与穿着、姿态等瞬态线索绑定,易受干扰
解决方案
提出身份世界模型 IDWorld ,在潜空间中想象人物在不同条件下的表征并自适应融合
65
Arthur Bucker, Pramod Anantharam, Jonathan Francis, Jean Oh
任务设定
机器人操作策略在分布外场景下的测试时自适应
痛点动机
现有测试时修正信号与策略同源,易受相同分布偏移且修正粗糙
解决方案
用 VLM 提取物体间几何关系,将成功示范动作转为视觉几何引导信号修正策略
66
Zirui Song, Jiadong Zhang, Zheng Lu, Xiaosong Ma, Xiaojun Chang, Xiuying Chen
任务设定
审计仿真机械臂操作基准的成功判定器可靠性
痛点动机
判定器可能误判部分完成为成功或拒判有效完成方式
解决方案
用 LLM 分析指令与判定代码,重建场景并多视角渲染人工核验
67
Zhiwen Qiu, Daisy Lin, Diyu Zhou, Jialin Wu, Rosita Ji, Saleh Kalantari
任务设定
生成协调的人-物体交互全身动作序列
痛点动机
物体到位不代表接触建立,调整接触又可能破坏任务完成
解决方案
用扩散模型结合手部交互关系与时序微调器联合优化人-物动作
68
Yangchen Zhao, Ali Payani, Caiwen Ding
任务设定
长时域世界模型规划中的子目标引导问题
痛点动机
长程预测误差累积,隐空间相似度难以指导远距目标排序
解决方案
生成时序化子目标,结合经验记忆按距离切换引导信号
69
Xianzhe Fan, Chi-Pin Huang, Fu-En Yang, Jing Wang, Yecheng Wu, Yu-Cheng Chou, Johan Bjorck, Linxi "Jim" Fan, Jan Kautz, Yu-Chiang Frank Wang, Zhiding Yu, Hengshuang Zhao, Zhiqi Li
任务设定
多机器人协同操作的世界-动作模型
痛点动机
单臂动作会改变队友所处环境,需联合预测动作与未来场景
解决方案
基于单臂骨干,用跨智能体注意力联合去噪多机器人动作与未来视图