1
Wangbo Yu, Kunhao Liu, Wenbo Hu, Shenghai Yuan, Chaoran Feng, Haiyang Zhou, Yukun Huang, Yiran Wang, Wang Zhao, Yingmin Luo, Ying Shan
任务设定
视频世界模型实现长时程一致的场景探索
痛点动机
长时间跨视角探索易丢失场景一致性
解决方案
提出相机可查询的隐式 3D 记忆压缩历史观测为视角专属 token,结合少步蒸馏实现流式探索
2
Jiahao Lu, Minghao Yin, Wenbo Hu, Hengyu Liu, Wang Zhao, Sai-Kit Yeung, Ying Shan, Yuan Liu
任务设定
构建感知与生成共用的 3D 一致场景表示
痛点动机
生成模型常只重外观,缺乏一致的 3D 几何结构
解决方案
提出几何原生自编码器(GAE),将几何特征重参数化为可解码外观、深度、相机的紧凑潜空间
3
Haoran Yuan, Zekai Wang, Boning Shao, Haoran Lu, Trevor Darrell, Ismini Lourentzou, Wei Zhan
任务设定
灵巧操作中融合视觉与触觉的世界-动作模型
痛点动机
纯视觉 World-Action Model 难以建模接触动力学
解决方案
提出 DexTacWAM,将指尖触觉特征注入视频扩散世界模型联合建模视触觉状态
4
Abhinav Jain, Cindy Grimm, Stefan Lee
任务设定
学习果树修剪的闭环视觉运动控制策略
痛点动机
果园修剪劳动密集,枝条遮挡下精准操作困难
解决方案
纯仿真训练混合强化学习策略,基于光流输入实现零样本仿真到真实迁移
5
Jeffrey Eiyike, Masoud Ataei, Elvis Gyaase, Vikas Dhiman
任务设定
从图像直接规划无碰撞 6 自由度抓取轨迹
痛点动机
传统需先 3D 重建再规划,势场法易在障碍处卡滞
解决方案
提出 SE(3) 神经势场,用测地距离监督避免碰撞停滞
6
Aoxiang Fan, Corentin Dumery, Nicolas Talabot, Pascal Fua
任务设定
已知相机参数下的多视角立体几何重建
痛点动机
现有前馈模型联合估计几何和相机会导致几何失真
解决方案
将 MVS 建模为序列到序列任务,用全局代价体联合预测各视角深度
7
Daisy Li, Kyle Gao, Quanyun Wu, Hanna Chomko, John S. Zelek, Jonathan Li
任务设定
测试前馈 3D 重建模型对视角变化的鲁棒性
痛点动机
预训练模型面对分布外的视角跨度可能严重失效
解决方案
通过控制视角跨度做压力测试,揭示几何失真等新失败模式
8
Wenkang Qin, Yukun Zhou, Noah Shen, Jisong Cai, Dongxiao Mao, Baicheng Li, Yue Zhang, Wei Sui
任务设定
构建面向机器人数据生成与策略训练的仿真器
痛点动机
真实世界交互成本高,传统仿真器构建费力耗时
解决方案
用关节轨迹条件自回归扩散模型流式生成多视角交互画面
9
Trung Dao, Sankalp Yamsani, Jaden Park, Joohyung Kim, Yong Jae Lee
任务设定
将世界模型表征蒸馏进轻量 VLA 机器人策略
痛点动机
VLA 模型缺少物理动态建模,鲁棒性受限于数据覆盖
解决方案
用冻结世界模型特征做对齐蒸馏,部署时无需教师模型,推理仅 32ms
10
Shengcheng Luo, Xiaoyang Cheng, Hong Ying, Xiaoying Zhou, Jiaming Jiang, Haoran Guo, Wanlin Li, Ziyuan Jiao, Chenxi Xiao
任务设定
让人类演示者感知机器人手接触方式以采集操作数据
痛点动机
人体演示的接触方式常与机器人手不兼容,直接在机器人上采集成本又太高
解决方案
结合触觉手套和物体运动训练 RL 策略,蒸馏成实时重定向模型辅助采集
11
Fabian Schmidt, Markus Enzweiler, Abhinav Valada
任务设定
研究场景图关系监督能否提升自动驾驶世界模型表征
痛点动机
现有潜在世界模型保留的关系语义通常是隐式的
解决方案
用冻结文本编码器对齐场景图关系与视觉潜在特征,推理时无需场景图
12
Débora Oliveira Makowski, Samiran Gode, Abhijeet Nayak, Marco Hutter, Cordelia Schmid, Lukas Rosenberger Schmid, Wolfram Burgard
任务设定
解读 VLM 导航模型的决策依赖机制
痛点动机
VLN 模型决策过程不透明,难判断依赖哪种模态
解决方案
用因果干预分析多模态贡献,提取激活向量实现概念级行为可控迁移
13
Foundation Model, Li Auto Inc
任务设定
构建统一 VLM 支持具身认知与智能体协同
痛点动机
物理 AI 需兼具具身感知、规划与多模态智能体能力
解决方案
用强化学习分别训练具身/智能体专家,再经多教师蒸馏融合为单一模型并支持端侧部署
14
Kirill Mazur, Nikita Karaev, Matthew Chang, Jitendra Malik, Nur Muhammad "Mahi'' Shafiullah
任务设定
从单目视频中重建并跟踪物体形状与姿态
痛点动机
像素匹配式跟踪难应对大幅运动、关节形变与严重遮挡
解决方案
用 VLM 智能体做渲染-比较循环,结合位姿优化估计结构化 3D 模型
15
Mena Kamel, Natalie Won, Amrut Sarangi, Sven Jager, Albert Pla Planas
任务设定
多视角 3D 人体姿态估计
痛点动机
单目存在深度模糊,多视角方案设备复杂且数据稀缺
解决方案
用 DSTformer 提取单视角特征,再经融合 Transformer 跨视角聚合
16
Hung T. Ho, Khanh D. Nguyen, Quang D. Nguyen, Thanh Q. Duong, Ngan Le, Meng Guo, Vien A. Ngo, An T. Le
任务设定
VLA 模型低比特量化以加速机器人推理
痛点动机
需在降低观测到动作延迟的同时保持机器人行为准确性
解决方案
通过一致性折叠结合通道缩放与 Hadamard 变换,实现无需重训练的 W4A4 量化
17
Kaiwen Ren, Yiran Jiang, Yongjing Ye, Shihong Xia
任务设定
单目 RGB 下相机空间手部姿态估计
痛点动机
深度模糊,且手部局部姿态与手腕全局位置存在耦合
解决方案
提出变换同构监督与透视信息嵌入解耦局部姿态与全局位置
18
Elizaveta Kovtun, Matvey Konovalov, Andrey Sakhovskiy, Semen Budennyy
任务设定
为分布式触觉传感器学习自监督表征
痛点动机
触觉传感元件稀疏不规则,视觉 SSL 方法难迁移
解决方案
提出 Tactile-JEPA ,依传感器连接图做拓扑感知掩码预测嵌入
19
Huiqiong Li, Zhiting Mei, Anirudha Majumdar, Jingjing Chen, Yu-Gang Jiang, Bin Zhu
任务设定
评测机器人基础模型的闭环视觉鲁棒性
痛点动机
现有评测假设视觉观测干净稳定,忽略真实干扰
解决方案
构建 LIBERO-VPro 基准,从 4 个维度扰动视觉输入测试 VLA 与世界动作模型
20
Jiajing Lin, Xin Zhang, Jianhua Sun
任务设定
从视频学习统一的内在动力学,服务物理感知 4D 世界模型
痛点动机
现有方法依赖人工物理假设,未真正内化世界动力学规律
解决方案
将世界建模转为神经算子学习,两阶段训练实现零样本动力学推断
21
Zhiqi Bai, Junai Cai, Yixin Chen, Jingrun Du, Tao Feng, Wei Gong, Siyuan Huang, Xiao Lin, Jiaheng Liu, Jun Luo, Yongzhe Lyu, Liya Ma, Zenan Meng, Lin Qu, Wenbo Su, Jiaming Wang, Qinghe Wang, Shaofei Wang, Yanghai Wang, Zequn Wang, Ziming Wang, Hu Wei, Jiangtao Wu, Ruiqi Wu, Jiaxin Xie, Yuchi Xu, Ze Xu, Chengting Yu, Liangyu Yuan, Gang Zeng, Yawen Zeng, Xingyao Zhang, Zizheng Zhang, Bo Zheng, Jiancheng Zhu, Song-Chun Zhu
任务设定
评估世界模型在交互探索中是否保持可靠一致
痛点动机
现有评测只看生成质量,忽视交互下的一致性与响应性
解决方案
提出 HappyWorld-Bench ,涵盖视频、空间、具身三赛道,用 Elo 与自动指标综合打分
22
Khanh D. Nguyen, Hoang M. Truong, An T. Le
任务设定
无 GPU 场景下语言条件机械臂操作策略的高效推理
痛点动机
边缘设备缺 GPU ,推理延迟需匹配动作执行的时间窗口
解决方案
提出 vla.simd 的 CPU 推理引擎与 IMPACT 策略,树莓派上实现每秒 30+ 动作输出
23
Zhangsihao Yang, Mengyi Shan
任务设定
用圆柱体标记粗略控制生成视频中人物站位与运镜
痛点动机
现有视频生成缺少简单几何信号来指定多人布局和相机路径
解决方案
用户在地面网格上摆放圆柱表示人物位置移动,自动构建几何-视频配对数据并用 LoRA 微调实现可控生成
24
Tamima Tabassum, Yiming Huang, Tianchun Wu, Changjing Liu, Zhiqing Tang, Chikit Ng, Beilei Cui, Liangjing Shao, Jiewen Lai, Hongliang Ren
任务设定
VLA 模型用于内镜在消化道狭窄区自主导航
痛点动机
内镜画面纹理稀疏,现有 VLA 缺乏几何理解和病灶长期记忆
解决方案
将点云融合进 VLA 主干网络,加入时序状态分支跟踪推进进度,联合预测推理、动作与病灶报告
25
Wenbo Zhang, Kaixuan Wang, Yutao Ouyang, Xiaoyu Huang, Liyang Li, Kailun Su, Weiyang Jin, Wenhao Chai, Haotian Liang, Zhiyang Dou, Yue Chen, Tianxing Chen
任务设定
评估大语言模型能否直接充当机器人操控策略
痛点动机
验证 LLM 零样本执行操控任务,无需任务专属微调
解决方案
在 RoboDojo 42 个任务测试 GPT-6 Astra 等模型,语义任务强但精细控制弱
26
Jiankuo Zhao, Xiangyu Zhu, Jijie Li, Baiqin Wang, Shukai Chen, Zhen Lei
任务设定
从单目视频重建可重新打光的 3D 头部 Avatar
痛点动机
现有方法各区域共享运动光照模型,精细度和真实感不足
解决方案
提出 SAMIRA 框架,按面部语义区域自适应建模几何形变与光照响应
27
Yibo Li, Enshen Zhou, Rui Chen, Yanjun Ding, Mengzhen Liu, Yi Han, Jiabo Zhan, Lipeng Wang, Shanghang Zhang, Lu Sheng
任务设定
评测机器人主动感知与记忆推理能力的基准
痛点动机
现有基准多基于被动观察,难评估主动信息获取与记忆能力
解决方案
构建 ActiveArena 模拟器与 35 个任务,测试 VLA 模型的记忆策略
28
Dorian Benhamou Goldfajn, Mason Nakamura, Saaduddin Mahmud, Justin Svegliato, Kyle H. Wray, Shlomo Zilberstein
任务设定
多机器人协作操作中学习自然语言通信与协调
痛点动机
部分可观测下小型 VLM 端上联合学通信与动作选择研究不足
解决方案
构建含 53 种厨房移动操作任务的多模态示范数据集,微调小 VLM 实现 leader-follower 式通信协调
29
Boxun Hu, Jiawei Ge, Axel Krieger, Peng Wang, Tinoosh Mohsenin
任务设定
边缘设备上基于人体网格恢复的下一最佳视角规划
痛点动机
大型 HMR 基础模型算力需求高,难以在受限通信的移动机器人上实时运行
解决方案
将 HMR 教师模型蒸馏为 32M 轻量学生并 FP16 量化,嵌入遮挡感知的主动感知闭环,在 Jetson 上实时部署
30
Xinyi Wang, Heng Hao, Wenjun Hu, Anna Enyu Li, Dizhi Ma, Karthik Ramani, Hankyu Moon, Yeong-Dae Kwon
任务设定
评估真实到仿真重建质量对 VLA 策略评估的影响
痛点动机
重建误差会让仿真评估结果偏离真实机器人表现
解决方案
提出 ReVeal 框架及保真度指标,量化重建质量与仿真-真实策略表现一致性
31
Markus Karmann, Shile Li, Christian Internò, Bruno Andreis, David Klindt, Randall Balestriero, Jindong Gu, Philip Torr, Qi Zhang, Peng-Tao Jiang, Hao Zhang, Bo Li, Onay Urfalioglu
任务设定
防止 JEPA 世界模型训练中的时序特征坍塌
痛点动机
JEPA 偏向学习慢特征,导致动态信息丢失、表征坍塌
解决方案
提出 DISReg 正则化,预测差分图像嵌入以平衡静态与动态特征学习
32
Monseej Purkayastha, Anindita Ghosh, Philipp Slusallek
任务设定
用文本内容和视频风格生成风格化 3D 人体动作
痛点动机
缺乏成对的(文本,视频,风格化动作)三元组训练数据
解决方案
双通道自编码器映射到共享潜空间,扩散模型注入视频风格并保留文本结构
33
Shuyang Xu, Zhiyang Dou, Yiduo Hao, Zekun Li, Liang Pan, Jingbo Wang, Cheng Lin, Yuan Liu, Wenping Wang, Mingmin Zhao, Taku Komura
任务设定
联合空间音频与文本生成人体全身动作
痛点动机
以往动作生成忽略环境声音对行为的驱动作用
解决方案
构建 STAM 数据集,用分层交叉注意力的流匹配模型融合音频与文本生成动作
34
Yang-Tian Sun, Tianjia Liu, Zehuan Huang, Yi-Hua Huang, Xiaoyang Lyu, Ziyi Yang, Zi-Xin Zou, Yuan-Chen Guo, Yan-Pei Cao, Xiaojuan Qi
任务设定
从单张图像生成带物体布局的 3D 场景
痛点动机
稀疏位姿参数难学习,整体生成又损失物体细节
解决方案
提出规范坐标图配合点云图,通过几何对齐恢复物体位姿并联合生成几何
35
Yikun Miao, Fangqi Zhu, Quanxin Shou, Xiaoyi Pang, Zhengyang Yan, Junhao Li, Haodong Wang, Zicong Hong, Song Guo
任务设定
在线训练提升世界模型的动作可控性
痛点动机
离线数据分布偏移,模型易学到虚假关联而非真实因果
解决方案
主动在线学习查询模拟器难例,结合反事实因果微调强化动作归因
36
Yueyan Li, Haibo Wang, Caixia Yuan, Xiaojie Wang
任务设定
解释视频扩散模型生成运动违反物理规律的原因
痛点动机
以往靠外部先验修正,未探究模型内部注意力机制缺陷
解决方案
定位驱动运动规划的注意力头,发现 RoPE 致空间衰减过快并提出缩放频率修复
37
Yixuan Liang, William Chen, Yunan Wang, Jizhou Yan, Zhao Jin, Changling Liu, Chuxiong Hu
任务设定
机器人操作中的 6D 物体位姿估计
痛点动机
零样本方法依赖大模型和 GPU,难以部署到机器人端
解决方案
提出无需训练的几何驱动位姿求解器,基于模板匹配与轮廓深度精化,可纯 CPU 运行
38
Yuxuan Jiang, Jiaying Huang, Ge Wang, Shenhao Yan, Jiahao Yang, Chengsi Yao, Qi Liu, Qing Zhao, Shuguang Cui, Yiming Zhao, Yatong Han, Zhen Li
任务设定
VLA 模型微调时的轨迹过拟合问题
痛点动机
小数据微调易过拟合轨迹,忽视腕部相机等细粒度视觉信息
解决方案
提出视觉遮挡微调策略,随机遮挡主相机画面迫使模型学习细粒度特征
39
Hongwei Yan, Kanglei Zhou, Yuchen Liu, Qingyu Shi, Yi Zhong, Liyuan Wang
任务设定
第一/第三人称视频的持续学习基准
痛点动机
现有持续学习基准仅关注单视角识别,忽略视角与任务同时变化的真实场景
解决方案
构建跨 4 类任务的统一基准,并提出参数高效的适配器路由方法 VISTA 作为基线
40
Zhihao Gu, Kechao Zhu, Yuanfeng Wu, Mohan Liu, Ankit Kumar Shaw, ChenDong Hong, Xuanyu Chen, Dengchen Mei, Xu Tianyi, Lin Wang
任务设定
无明确指令下机器人的主动行为决策
痛点动机
现有机器人数据集依赖显式指令,缺乏真实人本环境的多模态决策数据
解决方案
构建多模态数据集 ProAction,并提出认知推理模型 MMC2Act 从人类状态推断合适行动
41
Di Wen, Ruodi Zhang, Kailun Yang, Kunyu Peng
任务设定
检验隐动作模型从视频学到的动作码是否真含时序结构
痛点动机
现有代数一致性指标可能是伪证据,不能证明学到有效动作表示
解决方案
对照实验显示未约束模型误差相近,且在 LIBERO 操作任务上无实际增益
42
Junwen Chen, Keiji Yanai
任务设定
检测图像中人与物体的交互关系( HOI 检测)
痛点动机
现有方法依赖重型编码器和后处理,长尾类别识别效果差
解决方案
融合检测器视觉特征与 BLIP-2 语义先验的轻量解码流水线
43
Jieling Wu, Yuehao Huang, Jiajun Lv, Tao Huang, Yong Liu, Weiwei Liu
任务设定
无人水面艇( USV )沿河流的视觉-语言导航
痛点动机
现有 VLN 假设离散动作,难以应对 USV 连续惯性运动和稀疏地标
解决方案
将指令转为阶段化语义序列,融合视觉运动证据预测 SE(2)位姿增量
44
Ruixun Liu, Yuxuan Wang, Jiacheng Xie, Yuhuan You, Donghua Cai, Junming Lin, Xiong-Hui Chen, Zhifang Guo, Yunfei Chu, Qize Yang, Xize Cheng, Jin Xu, Yiwu Zhong
任务设定
具身智能体的空间音频理解与音视觉导航
痛点动机
人类能轻易定位声源并结合视觉推理,但具身智能体尚难做到
解决方案
提出带 FOA 空间编码器的全模态模型 OmniEcho ,融合语义音频先验
45
Qiwen Gu, Jifan Li, Bingjie Gao, Rui Chen, Jing Tang, Xiangxiang Chu, Junqiao Zhao
任务设定
研究世界动作模型中动作相关的预测状态学习
痛点动机
预测性强的视频特征未必利于线性动作解码
解决方案
提出 ARPS :用未来视觉表征监督学习紧凑预测状态,供动作专家推理时使用
46
Chenxin Liang, Youchen Lai, Chuqiao Lyu, Tianxing Chen, Shoujie Li, Wenbo Ding
任务设定
学习双手触觉表征,用于双手交互任务识别
痛点动机
现有方法独立建模两只手,忽略跨手触觉关联
解决方案
提出 BiView-Touch ,用另一只手信息补全被遮挡目标手的触觉潜变量
47
Hongbo Mao, Junjun Jiang, Youyu Chen, Jiaxin Zhang, Zhemeng Dong, Xianming Liu
任务设定
长视频流下前馈式 3D 重建(如 VGGT )的显存管理
痛点动机
长流推理易导致显存爆炸或上下文完整性下降
解决方案
提出 RegVGGT ,按 token 初始显著性调控记忆,每帧仅保留 1%关键 token
48
Ziming Xu, Shuang Liang, Ruobing Han, Ziqiao Xi, Mingxing Rao, Kun Zhou, Zijun Zhang, Yuchen Yan, Yufan Wei, Junbo Huang, Yifei Shao, Fang Nan, Biwei Huang
任务设定
具身世界模型预测未来视频动态任务
痛点动机
物理知识隐式纠缠在隐空间,缺乏可解释推理过程
解决方案
提出 160 亿参数 CausalWM ,先做因果思维链推理再预测未来视频,三阶段训练
49
Guanxiong Chen, Yiduo Qu, Qianjun Xia, Pengyu Jing, Yixian Cheng, Bole Ma, Pengzhi Yang, Bingyang Zhou, Ziming Li, Shashwat Suri, Gongbo Sun, Chao Liu, Peter Yichen Chen, Ziqiu Zeng, Fan Shi
任务设定
从单张图像生成可仿真可变形物体资产
痛点动机
现有方法生成后才评估物理合理性,缺乏反馈修正
解决方案
用 VLM 智能体构建生成-仿真-诊断-修复闭环,依据仿真反馈修复缺陷
50
Kaixiang Yao, Xu Wang, Miao Pan, Hu Xiyue, Weishi Wang, Daniel Dahlmeier, Jintao Chen, Yongliang Shen, Xuhong Zhang, Wenqi Zhang
任务设定
训练 VLM 通过交互学习物理世界空间推理
痛点动机
现有空间训练只看静态属性,缺乏状态转移的直接监督
解决方案
构建三级交互课程(被动/主动/长时序),结合 SFT 与在线策略蒸馏训练
51
Hung Dinh, Binh Mai, Tran Quoc Bao Le, Lam Nguyen, Cong Tran
任务设定
文本驱动的单步人体动作生成
痛点动机
迭代式扩散生成质量高但推理延迟大
解决方案
构建多教师动作库,用非对称双向集合蒸馏训练单步学生模型,推理提速 89 倍
52
Jan-Gerrit Habekost, Parsa Mastouri Kashani, Connor Gäde, Matthias Kerzel, Philipp Allgeuer, Cornelius Weber, Stefan Wermter, Jae Hee Lee
任务设定
VLA 模型的机器人操作动作预测
痛点动机
仅凭当前观测预测动作,遮挡/相似物体场景下易生歧义
解决方案
引入循环记忆 LSTM 融合全程观测与动作历史,配合流匹配动作头输出动作序列
53
Masafumi Endo, Kohei Honda, Ryo Yonetani
任务设定
用常识推理规划机器人在环境中的移动路径
痛点动机
机器人需遵循未言明的常识考量(如湿滑地面)
解决方案
用 LLM/VLM 判断区域风险,生成常识排序驱动路径搜索
54
Fanhong Li, Shurui Zheng, Zi Yin, Junbo Cui, Lei Ji, Jia Liu
任务设定
评估视频基础模型的物理推理能力与人类差异
痛点动机
高准确率是否代表真正的前向物理模拟尚不明确
解决方案
提出分布式评估框架,对比 V-JEPA2 等模型与人类的策略差异
55
Fengcheng Yu, Dhruv Parikh, Junjie Ye, Maulik Bhatt, Thang Vu, Igor Vasiljevic, Vitor Guizilini, Yue Wang
任务设定
为驾驶世界动作模型的轨迹提供几何安全校验
痛点动机
模仿学习无法显式验证轨迹是否碰撞或违规
解决方案
用几何读出从图像预测场景状态,执行碰撞规则筛选安全轨迹
56
Chongyu Bao, Haokai Yang, Yuhan Wang, Zhaochong An, Kunpeng Liu, Xiaolan Liu
任务设定
建模类人具身智能体的习惯与目标导向双重行为控制
痛点动机
现有类人智能体框架只关注目标导向行为,忽略了习惯行为
解决方案
提出习惯控制器与目标导向控制器双系统架构,仲裁器动态权衡,结合关键帧引导的 3D 动作生成模块
57
Qianxun Xu, Xianfang Zeng, Xinyao Liao, Wei Cheng, Gang Yu, Chi Zhang
任务设定
从单张图像生成多智能体一致的可控相机视频世界模型
痛点动机
多智能体独立视角、时间跳跃下难以保持时空一致性
解决方案
提出证据路由机制,结合位姿条件记忆检索与可见性门控的对等视角共享,实现跨时间跨智能体一致性
58
Nethmi Jayasinghe, Mihir Parashar, Amit Ranjan Trivedi
任务设定
面向康复场景的步态多模态测量与可靠性评估
痛点动机
相机和惯性传感器可靠性随关节和时间变化,易误判为患者变化
解决方案
提出可靠性感知的门控融合层,结合视觉质量与跨模态一致性动态加权关节测量
59
Lalit Jayanti, Kashu Yamazaki, Yuto Shibata, Kotaro Amaya, Katerina Fragkiadaki
任务设定
生成人形机器人与场景交互的运动参考
痛点动机
动作捕捉在接触密集场景下易受遮挡和几何不一致影响
解决方案
通过优化预训练文本条件运动模型的初始噪声,在稀疏时空约束下生成物理可执行的交互动作
60
Ajay Vikram Periasami, Xinyuan Luo, Haoyu Li, Xianyi Cheng
任务设定
人形机器人移动操作任务的失败监测与恢复
痛点动机
LLM 规划选对技能不代表物理执行成功,长程任务易因执行失败而中断
解决方案
用视觉语言模型监测技能执行,检测失败后触发恢复代理并复用历史经验
61
Wenbin Wang, Xiang Bai, Yizhao Wang, Hang Sun, Dong Ren, Jie Qin, Qingquan Li, Bing Wang
任务设定
具身智能体的主动空间探索与导航问答
痛点动机
现有方法难判断线索是否充分,易早停或过度探索
解决方案
提出 ACE 框架,结合证据锚定感知与曝光感知移动做空间显式决策
62
Carlos Cueto Zumaya, Iacopo Catalano, Wallace Moreira Bessa, Julio A. Placed
任务设定
开放词汇 3D 场景图中的语义不确定性建模
痛点动机
现有场景图条目可信度均一,机器人查询时无法辨别可靠性
解决方案
利用检测置信度和已有视觉语言嵌入转为概率,沿层级结构闭式传播
63
Jiadi You, Qize Yu, Yue Chen, Minghong Cai, Zhide Zhong, Yuran Wang, Bowen Ping, Jiaqi Liang, Zhenhao Shen, Haodong Yan, Yinchuan Li, Ruihai Wu, Xiaojuan Qi, Yingcong Chen
任务设定
通用机器人操作的世界-动作联合预测建模
痛点动机
机器人数据稀缺,人类视频无动作标签难迁移
解决方案
用可供性热力图/标量场连接人类与机器人视频,基于视频扩散 Transformer 联合预测未来画面与动作
64
Bogdan Aron, Christopher Brix, Benedikt Brückner, Yanghao Zhang, Panagiotis Kouvaros, Alessio Lomuscio
任务设定
对 VLM/VLA 模型做区域级鲁棒性形式化验证
痛点动机
现有基准仅采样扰动,无法保证未测试区域没有失败
解决方案
提出 H²V-M 边界感知收敛验证方法,覆盖连续扰动区域,比随机采样更快找到反例
65
Sai Krishna Reddy Sathi, Anuj Tiwari
任务设定
评估具身智能体在虚构世界中的领域自适应能力
痛点动机
训练语料与测试知识重叠,难判断模型是否真学到新知识
解决方案
构建虚构物理世界基准,含知识问答与空间排序操作任务,验证机器人管线能否泛化到新场景
66
Bonnie Li
任务设定
视觉复杂场景下学习世界模型的潜在动态
痛点动机
像素重建易受视觉干扰影响,浪费模型容量
解决方案
基于 Dreamer,用对比互信息目标替代像素重建,提升抗干扰表征能力