1
Harold Haodong Chen, Rongjin Guo, Disen Lan, Wen-Jie Shu, Hongfei Zhang, Hanzhe Hu, Shengtao Yao, Zixin Zhang, Guibin Zhang, Zhefan Rao, Jinxiu Liu, Yexin Liu, Rui Peng, Yuhao Liu, Bin Ren, Shuai Yang, Yukang Chen, Salman Khan, Ying-Cong Chen, Ser-Nam Lim, Rynson W. H. Lau, Nicu Sebe, Yu Cheng, Ming-Hsuan Yang, Qifeng Chen
任务设定
综述自回归视频生成中的长时记忆机制
痛点动机
上下文窗口有限,历史信息易丢失影响时序一致性
解决方案
从形式、功能、操作等五个维度系统梳理记忆机制文献
2
Xiwen Chen, Rigaudiere Z. Li, Zhiruo Zhou, Xiaojun Zhu, Houde Liu
任务设定
诊断潜空间世界模型中物体操作运动丢失的问题
痛点动机
冻结自监督表征训练虽稳定,但操作物体的运动会消失
解决方案
提出 DART ,用解码路径监督重训练 flow 模块以恢复运动
3
Yimin Pan, Sen Wang, You Zhou, Jianfeng Gao, Pengbo Sun, Ahmed M. Naguib, Zoltan-Csaba Marton
任务设定
基于视觉几何模型的高精度视觉伺服
痛点动机
遮挡、弱纹理场景位姿估计难,且平移尺度存在歧义
解决方案
用预训练视觉几何模型迭代位姿闭环控制,微调实现尺度自适应标定
4
Nicklas Hansen, Iretiayo Akinola, Yijie Guo, Jie Xu, Bingjie Tang, Hao Su, Xiaolong Wang, Abhishek Gupta, Dieter Fox, Yashraj Narang
任务设定
多任务通用机器人插装装配
痛点动机
传统插装策略按任务定制,难以泛化到新零件
解决方案
用世界模型融合本体感知与腕部视觉,在 90 类零件上训练实现零样本插装
5
Tej Deep Pala, Navonil Majumder, Bryce Goh, Raphael Yee, Jianfei Yang, Liming Chen, Soujanya Poria
任务设定
视觉-语言-动作模型的长程记忆问题
痛点动机
VLA 策略不保留历史信息,难完成依赖历史的操作任务
解决方案
引入固定大小关联记忆与场景锚点,替代不断增长的上下文
6
Frederic Vatnsdal, Roshan Gopal, Romina Garcia Camargo, Vijay Kumar, Alejandro Ribeiro
任务设定
大规模多机器人集群的自然语言控制
痛点动机
LLM 数量增多时机器人协同易失效
解决方案
用空间 Transformer 聚合多跳反馈 token ,实现去中心化集群控制
7
Lizhou Liang, Xinyu Zhong, Miao Pan, Xiaohe Zhou, Xuanyu Liu, Qinfeng Li, Peng Li, Jintao Chen, Xuhong Zhang, Wenqi Zhang
任务设定
长时序具身任务的记忆能力评测基准
痛点动机
现有智能体难以可靠维护环境状态记忆
解决方案
构建 EMem-Bench 基准及 Embodied-Memorizer 记忆系统,训练 EMem-8B 策略
8
Xueqi Qiu, Xingyu Miao, Jingjing Deng, Haoran Duan, Yang Long, Ling Shao
任务设定
统一 3D 视觉-语言 多任务系统构建
痛点动机
点云、体素、多视图特征差异大,融合易破坏几何结构
解决方案
先对齐后融合,用正交约束映射保持几何再结合提示解码器融合
9
Enrico Saccon, Tommaso Faraci, Iñigo De La Ossa Zarzuelo, Luigi Palopoli, Marco Roveri, Matteo Saveriano
任务设定
机器人操作中的物体中心场景理解
痛点动机
VLM 语义强但几何测量不准,难支撑精确操作
解决方案
用 VLM 分割标注物体,结合深度构建物体中心表示,提升定位与深度精度
10
Shreya Deshmukh, Imen Mahdi, Nick Heppert, Abhinav Valada
任务设定
机器人多任务操作策略的高效学习
痛点动机
为每个任务单独训练 CFM 策略计算成本过高
解决方案
将单任务 CFM 专家的速度场蒸馏进共享多任务策略
11
Xiaohuan Pei, Hengguang Zhou, Yuanhao Ban, Justin Cui, Jiaqi Feng, Haoyu Xie, Tao Huang, Pichao Wang, Yanchao Yang, Cho-Jui Hsieh
任务设定
为驾驶世界动作模型动态分配推理算力
痛点动机
静态算力调度浪费运行时延迟余量,难兼顾实时性
解决方案
复用实测延迟在线估计算力状态,选取满足时延约束的最优预算
12
Ohad Rahamim, Dvir Samuel, Idan Schwartz, Gal Chechik
任务设定
联合视频-运动/音频生成中的跨模态一致性建模
痛点动机
其他模态强依赖视频,但反向约束弱,导致动作/音画不同步
解决方案
提出 RecCAR 正则化,用视频到模态的对应关系约束反向跨模态注意力
13
Sai Puneeth Reddy Gottam, Elmar Rueckert, Vedant Dave
任务设定
提升 VLA 机器人策略对未见相机视角的鲁棒性
痛点动机
多视角真机数据采集昂贵,视角覆盖稀疏
解决方案
将操作轨迹重建为 3D 高斯表示,渲染密集一致的新视角增强数据
14
Awais Nizamani, Hamid Laga, Guanjin Wang, Farid Boussaid, Mohammed Bennamoun, Anuj Srivastava
任务设定
非刚性 3D/4D 物体的统计形状分析与生成
痛点动机
传统 SRNF 表示不可逆,数值求逆计算昂贵且不精确
解决方案
提出 NeuralSRNF 神经连续表示,实现快速精确的逆映射与测地线计算
15
Jisong Cai, Yao Mu, Ganlin Yang, Zhe Cao, Zhangzheng Tu, Xing Gao, Kailin Li, Xinyu Zhan, Lixin Yang, Yangkun Zhu, Haoxiang Ma, Ming Zhou, Qiaojun Yu, Yufei Xue, Liqun He, Yifei Yao, Yifan Zhu, Long Ling, Bingqi Jiang, Haoyu Guo, Xueyue Zhu, Bowen Zhou, Bin Zhao, Tianfan Xue, Chunhua Shen, Weinan Zhang
任务设定
构建统一物理世界模型,联合预测视觉与机器人动作
痛点动机
预测未来时如何保持动作在动态环境中可执行
解决方案
用流匹配训练视频-动作双专家架构,复用 KV 实现异步高效控制
16
Shuai Zeng, Yuxuan Liang, Hangmiao Hu, Fobao Zhou, Zixiang Wang, Wenxi Hong, Hang Zhao
任务设定
修正 VLA 策略动作片段执行中的累积误差
痛点动机
现有残差修正只顾动作一致性,不管修正后果好坏
解决方案
仿小脑机制提出后果感知残差治理框架,用流匹配生成修正并预测抑制有害修正
17
Xueji Fang, Boqiang Duan, Hua Wu, Jingdong Wang, Guo-Jun Qi
任务设定
探索视觉表征对世界动作模型动作生成的影响
痛点动机
VAE 潜变量依赖大规模视频扩散预训练,效率扩展性受限
解决方案
用 I-JEPA 预测嵌入替代 VAE 潜变量建模环境演化,并用 DemoDPO 从示范中学习动作偏好
18
Weihui Zhao, Xiaohan Yan, Zunian Wan, Xuan Du, Zhaozhan Chi, Jianbo Mao, Ruipu Wu, Rushuai Yang, Houlin Li, Shukai Yang, Jing Wu, Yuxiang Yan, Yongcheng Liu, Chuankang Li, Guanghui Ren, Wei Shan, Maoqing Yao
任务设定
VLA 模型在真实机器人操作任务中做在线强化学习
痛点动机
人工纠正在不同动作维度噪声程度不一,现有方法未加区分
解决方案
用纠正模型预测人类纠正的一致性,据此设定逐维约束自适应引导策略优化
19
Bo Ai, Henrik I. Christensen, Hao Su
任务设定
研究机器人跨具身智能的学习与迁移问题
痛点动机
人工设计跨具身对应关系难以支撑长期迁移能力
解决方案
主张以具身多样性作为扩展轴,学习可跨机器人迁移的通用先验表征
20
Linus Nwankwo, Muslim Alaran, Christian Rauch, Stanley Chukwuebuka Obilikpa, Elmar Rueckert
任务设定
评测机器人开放词汇视觉定位在真实异质环境中的鲁棒性
痛点动机
现有基准多用简短类别词和网络图片,难反映真实部署难度
解决方案
构建覆盖多种机器人场景的 Pro-Bench 基准,测试 16 种模型的提示鲁棒性
21
Chen Xu, Rishi Shah, Hadas Kress-Gazit, Haruki Nishimura, Masha Itkina
任务设定
研究流匹配机器人策略微调时先验分布的选择问题
痛点动机
预训练大模型微调时非高斯先验是否仍有优势尚不明确
解决方案
大规模实验表明微调 LBM 时非高斯先验并无明显增益,编码器训练才是关键因素
22
Sourav Shome, M. D. Ashiquzzaman Rahad, Rameswar Debnath
任务设定
基于 3D 姿态的板球挥杆动作分类与生物力学分析
痛点动机
RGB 视频易受视角光照干扰,难以刻画击球生物力学
解决方案
用 YOLO 定位球员、MeTRAbs 提取 30 点 3D 骨架序列,集成深度模型做分类
23
Yufei Zhang, Chenlu Zhan, Hongwei Wang
任务设定
3D 高斯泼溅场景的开放词汇语义理解
痛点动机
跨视角语义漂移与边界泄露问题
解决方案
用深度监督对齐语义边界,结合 SAM2 传播视角一致掩码联合优化
24
Yizhao Wang, Guantao Zhang, Jingbo Wang
任务设定
视觉语言机器人操作策略的少样本任务适应
痛点动机
语言指令难以描述接触时机、动作阶段等细节,适应新任务难
解决方案
将支持演示提炼为任务原型 token ,引导流匹配的初始分布与速度场生成动作
25
An Lanji, Dawei Liu, Jin Li, Haoran Xu, Mei Chen, Yu Tian
任务设定
视觉-语言-动作(VLA)策略的长时序机器人操作
痛点动机
现有 VLA 策略是反应式的,不推理动作的长期后果
解决方案
在扩散 Transformer 策略中嵌入对齐世界建模,用未来 token 预测未来语义以兼顾可解释性