1
Yuhan Liu, Lianhui Qin, Shenji Wan
任务设定
生成逼真多样的室内场景布局,服务具身学习
痛点动机
扩散模型生成的布局缺乏几何约束,易出现碰撞穿模
解决方案
分层扩散采样家具布局,再用契约引导的 3D 编译修正几何与姿态
2
Bowen Xue, Zizhang Li, Hong-Xing Yu, Jiajun Wu
任务设定
统一多种动作条件来驱动世界模型
痛点动机
现有动作条件世界模型按动作类型割裂,数据难以共享利用
解决方案
将动作统一表示为离散语义+时空坐标,映射到视频模型位置空间联合训练,覆盖力、相机、手部、机器人姿态
3
Amber Xie, Jiawei Fu, Xiaofeng Guo, Carmelo Sferrazza, Guanya Shi, Haozhi Qi
任务设定
采集灵巧手操作演示数据用于机器人策略学习
痛点动机
遥操作难协调多指关节,人类演示又存在具身差异需重定向
解决方案
便携手持接口复用真实手部硬件采集,操作员控制手腕并调用技能原语协调手指动作
4
Zimo He, Tianyi Bian, Zizhong Yang, Hongjie Li, Nan Jiang, Jieming Cui, Baoxiong Jia, Yizhou Wang, Siyuan Huang, Yixin Zhu
任务设定
从单目人类视频生成人形机器人全身控制动作
痛点动机
传统重建-重定向-跟踪流程各阶段独立优化,无法用跟踪反馈优化参考动作
解决方案
用扩散模型直接生成人形参考动作,再以跟踪结果做直接偏好优化,支持实时遥操作
5
Luke Beddow, George Mavroghenis, Rodrigo Chacon Quesada, Kamil Dreczkowski, Cong Sun, Jiankai Wang, Oscar Kwong-Fai Pang, Antoine Cully
任务设定
仅用外部摄像头检测机器人系统异常
痛点动机
旧设备缺传感器,安全协议又禁止直接接入系统
解决方案
提出世界模型框架,通过动力学参数估计预测状态并定位故障来源
6
Marco Gabriele Fedozzi, Yukie Nagai, Francesco Rea, Alessandra Sciutti
任务设定
从动作序列中自监督学习目标表征
痛点动机
模仿学习需理解动作背后的目标,却缺标注
解决方案
在条件神经过程隐空间加入注意力机制,促使目标表征早期涌现
7
Seungyong Moon, Deokjae Lee, Hansang Lee, Munkhtselmeg Battsengel, Youngin Kim, Seonghyeon Yun, Sungjin Jeon, SongEun Kim, Jeongmin Park, Hyun Oh Song
任务设定
给机器人示教数据统一重新打节奏
痛点动机
示教速度因操作员而异,策略会学到个人节奏习惯
解决方案
学习速度先验预测执行速度分布,统一节奏后再微调 VLA 策略
8
Gibran Benitez-Garcia, Hiroki Takahashi
任务设定
评测第三人称视频中的 2D 手部姿态估计
痛点动机
现有 PCK/MPJPE 指标忽略漏检、误检与时序抖动
解决方案
提出 VERA-Hand 基准,人工核验标注+四维度及 Pose-F1 联合指标
9
Zongyao Zhao, Cheng-Jie Zhao, Ruihang Jiang, Bing Zheng, Zhaolin Wang, Yuanwei Liu
任务设定
研究 VLA 强化学习中失败轨迹的动作级惩罚分配问题
痛点动机
GRPO 对整条轨迹统一打分,恢复性动作被错误惩罚
解决方案
提出 Martingale GRPO ,用 VLM 定位错误区间,仅在该区间截断惩罚
10
Xin Zhang, Yabo Chen, Shuaiwei Wang, Zixuan Duan, Haibin Huang, Feng Xu, Xuelong Li
任务设定
构建支持实时生成的统一视觉世界模拟框架
痛点动机
现有方法难以同时保持场景几何演化与外观一致性
解决方案
共享深度轨迹与参考外观,滚动维护几何/视觉历史以实现实时世界模拟
11
Yi Liu, Xiangyue Zhang, Jianfang Li, Jia Ma, Yisheng He, Jianqiang Ren
任务设定
研究长时程共语手势生成中的时序一致性问题
痛点动机
短历史条件易漂移,长历史显式保存则代价高且难学
解决方案
提出 PASPA ,用持久状态压缩历史风格,块内注意力建模当前动作细节
12
Jing Xu, Cunjian Chen, Qiuhong Ke
任务设定
音乐驱动的多人群舞生成,规划队形与动作执行
痛点动机
现有方法难以建模队形演变与舞者间协作关系
解决方案
用音乐解耦提取结构特征指导队形规划,扩散模型生成细节动作
13
Ziang Zhang, Wenyou Yi, Zehan Wang, Jiachen Xu, Xintong Han, Chunchao Guo, Zhou Zhao
任务设定
单张图像重建 3D 场景的物体布局与几何细节
痛点动机
现有端到端方法场景几何精细度和物体质量不足
解决方案
解耦物体生成与场景布局估计,用 RPF 对齐器建立物体网格与场景点云的对应关系来恢复布局
14
Shibo Hong, Siyu Ren, FengJiao Chen, Zhongyuan Peng, Wei Shi, Yixin Cao
任务设定
评估动作条件世界模型生成视频的画质与动作一致性
痛点动机
现有奖励只能评估单一维度,且依赖真实视频做参照
解决方案
用互补错配偏好数据联合训练无参考奖励模型
15
Christian A. Rogers, Qian Lin, Daniel S. Brown
任务设定
预测 VLA 机器人策略执行任务是否会失败
痛点动机
VLA 的成功与失败难以诊断,缺乏可解释的早期信号
解决方案
用稀疏自编码器解析激活特征,定位失败相关行为模式
16
Khai Loong Aw, Klemen Kotar, Baihan Zhang, Yifan Liu, Lilian Chen, Atlas Kazemian, Rahul Venkatesh, Daniel Yamins
任务设定
统一视觉-语言世界模型实现自适应物理推理
痛点动机
现有模型将感知、几何、仿真等能力割裂,难以灵活组合
解决方案
提出Ψ-0.6 模型,以思维流融合图像、文本、几何表征并支持反事实仿真,强化学习联合优化推理过程。
17
Qiangong Zhou, Jiafeng Liang, Yimin Dong, Yang He, Hongxiang Li
任务设定
研究 VLA 模型学习人类示范以完成长时序机器人任务
痛点动机
长时序任务需保留历史信息,示范能否提升响应性尚不明确
解决方案
将测试时训练(TTT)接入 InternVLA-A1 与 Pi0.5 ,用快权重存储示范上下文,但未带来稳定提升
18
Nasim Fallahiarezoodar, Zheng H. Zhu
任务设定
双臂空间机械臂协同到达目标的运动规划任务
痛点动机
双臂协同需兼顾避碰、姿态对齐与同步完成,控制难度大
解决方案
用强化学习对比 PPO 与 SAC 两种策略, SAC 成功率和精度明显更优
19
Ayushi Mehrotra, Sai Vidyaranya Nuthalapati
任务设定
探测视频世界模型对多物体物理交互的编码能力
痛点动机
现有可解释性研究只看单物体,忽略了物体间关系物理量
解决方案
对比 V-JEPA2 与 VideoMAE 的潜在表征,检验其对动量、碰撞等关系物理量的编码与跨环境迁移能力
20
Chubin Zhang, Changyuan Wang, Yirui Wang, Ao Li, Shilin Ma, Yue Su, Cai Zhou, Xiuwei Xu, Tianle Zhang, Yansong Tang
任务设定
用含噪声第一视角动作数据扩展策略学习
痛点动机
机器人演示昂贵,第一视角视频动作标签含噪声
解决方案
提出 VLA 框架:按可靠度加权动作监督,并用未来表征蒸馏学习示范结果。
21
Tianling Xu, Weijie Wan, Honghao Su, Kailun Su, Junyuan Tang, Huichi Zhou, Haozheng Zhang, Qi Xiong, Ping Luo, Wenbo Ding, Tianxing Chen, Yue Chen
任务设定
将真实机器人演示转为可交互仿真世界
痛点动机
手动搭建仿真场景耗时昂贵,限制数据多样性
解决方案
用编码智能体分解场景并调用 3D 生成工具,依相机锚定表征迭代修正误差
22
Shaekh Mohammad Shithil, Lantao Liu
任务设定
真实机器人在线强化学习中的安全干预
痛点动机
在线学习中不安全交互阻碍真实机器人部署
解决方案
用证据安全评判器估计风险与不确定性,不安全时切换恢复策略
23
Ruiqi Wang, Dezhong Zhao, Xuesu Xiao, Erdem Biyik, Byung-Cheol Min, Guohua Chen
任务设定
零样本偏好强化学习迁移到新任务
痛点动机
每个新任务都需人类偏好标注,扩展性差
解决方案
学习任务无关潜在偏好空间,用最优传输对齐生成伪偏好监督
24
Farhad G. Zanjani, Animesh Karnewar, Fatih Porikli, Amirhossein Habibian
任务设定
从单目视频生成多视角同步视频
痛点动机
现有相机控制方法难保证动态几何跨视角一致
解决方案
在规范 4D 空间采样噪声并光栅化到目标视角,驱动视频扩散模型生成
25
Jiawei Chen, Yinxi Wang, Zihan Yang, Meijun Gao, Yaowei Liu, Shuming Zhang, Zecheng Li, Xiangju Mi, Yuxuan Liu, Runzhong Huang, Tianlin Li, Xun Zhang, Zhengyang Wang, Xu Miao, Tong Yang
任务设定
导航基础模型的视觉表征设计
痛点动机
现有方法依赖编码器预训练目标,表征不贴合导航需求
解决方案
用 JEPA 联合嵌入预测构建自建表征空间,并预测未来场景表征辅助决策
26
Zhuoyuan Jiang, Weijie Lyu, Xiaoyuan Wang, Tiancheng Shen, Ming-Hsuan Yang
任务设定
音频驱动单图生成全头 3D 说话人
痛点动机
参数化人脸模型表达力有限,难建模夸张表情和配饰
解决方案
以多视角视频生成为中间表征,重建高斯全头几何实现说话人动画