1
Tony Tao, Jason Jingzhou Liu, Ruslan Salakhutdinov, Deepak Pathak
任务设定
构建通用移动操作机器人的全栈系统
痛点动机
硬件、数据、控制与策略学习脱节限制系统能力
解决方案
协同设计轮式人形机器人及全身控制器,统一人机示范数据的策略学习流程
2
Jason Jingzhou Liu, Tony Tao, Deepak Pathak, Ruslan Salakhutdinov
任务设定
从人类传感器示范学习环境感知全身操作策略
痛点动机
人机本体差异使示范轨迹难以直接迁移为机器人动作
解决方案
提出环境感知重定向 (EAR),结合场景几何生成避碰动作,并用误差感知掩码缓解视角错位
3
Yujiao Shen, Jiahe Song, Haitian Li, Jingkang Yang, Ziwei Liu
任务设定
评测第一视角视频中细粒度人手动作描述
痛点动机
现有基准动作粒度粗、时间定位不准、缺乏手部归属
解决方案
构建原子动作标注基准并设计检索式评测协议,结合监督微调+强化学习提升模型表现
4
Rafal Karp, Gene Liu, Shih-Hsin Li, Eric Courtemanche, Shengze Wang, Josef Spjut, David Pankratz, Mischa Kolbe, Michael Stengel, Sven Elflein, Adam Grygielski, Liwen Wu, Anjul Patney
任务设定
构建大规模合成游戏画面数据生成平台
痛点动机
视觉与世界模型研究缺乏多样、可复现的 3D 游戏数据
解决方案
基于 Unreal Engine 分离仿真与渲染两阶段,记录相机/角色/动作元数据支持多种输出
5
Marius Memmel, Shawn Yin, Urvi Rutia, Angad Wadhwa, Eldon Li, Gavin Angeloff, Ankit Goyal, Jesse Zhang, Dieter Fox, Fabio Ramos, Anqi Li, Abhishek Gupta
任务设定
用 VLM 零样本估计机器人任务执行进度
痛点动机
现有方法易产生确认偏差,误判失败执行为有进展
解决方案
提出 Describe&Assess 框架,先客观描述场景再按显式评分准则打分,解耦描述与评估
6
Xudong Cai, Yongcai Wang, Deying Li, Chuanxia Zheng
任务设定
从单图或场景网格分解出可组合 3D 物体网格
痛点动机
传统方法逐物体生成后再用姿态估计拼接,易出错
解决方案
提出共享隐空间分解新范式,用查询式 Transformer 直接输出布局一致的物体网格
7
Binglin, Wang, Xiaole, Jiang, Zicheng Teng, Xinqi Liu, Yunzhu Li, Lerrel Pinto, Zichen Jeff Cui, Binghao Huang
任务设定
设计密集三轴触觉传感器用于接触式机器人操作
痛点动机
纯视觉策略难以感知接触几何与抓取阻力
解决方案
低成本柔性指尖提供 三轴触觉信号,结合视觉-触觉策略显著提升操作成功率
8
Chaima Zouaouid, Jonathan Cerqueirab, Sylvain Arguillere, Martin Bauer, Nicolas Charon, Mohamed Daoudi, Emmanuel Hartman
任务设定
无顶点对应下精细化人体网格重建
痛点动机
参数化模型(SMPL)解码网格存在几何误差
解决方案
用 varifold 梯度结合 DiffusionNet/弹性优化修正网格形变
9
Weirong Chen, Ismail El-Yamany, Ganlin Zhang, Chuanxia Zheng, Andrea Vedaldi, Daniel Cremers
任务设定
从局部点云补全完整 3D 场景网格
痛点动机
图像重建只能得到部分可见点云,存在空洞
解决方案
基于 TRELLIS.2,结合局部证据与由粗到细生成补全场景几何
10
Yasamin Borhani, Javad Khoramdel, Yang Gao, Po-Chien Luan, Alexandre Alahi
任务设定
从单目图像估计行人的 3D 空间位置
痛点动机
轻量姿态定位器丢弃了检测器丰富的视觉特征
解决方案
复用姿态检测器内部视觉特征结合 2D 骨架,并用社交上下文模块融合多人信息优化定位
11
Antoine Maiorca, George Fletcher, Thierry Ravet, Thierry Dutoit
任务设定
结合多视角 RGB 相机的 VR 全身姿态追踪
痛点动机
仅靠 HMD 和手柄等稀疏传感器,下肢姿态误差很大
解决方案
融合多视角 RGB 姿态估计,提出免标记物的 HMD-相机标定方案,实现 60FPS 实时全身动画
12
Hiroyuki Sato
任务设定
多路 RGB-D 相机实时重建带纹理的三维网格
痛点动机
现有 TSDF 系统逐帧纹理化依赖 CPU 处理,效率低且带来传输开销
解决方案
整个流程全程驻留 GPU ,并用接缝感知的辐射校正消除多视角曝光差异
13
Sadman Rakib Pinon, Adamo Orsini, Yanis Falaki, Linlian Jiang, Jacob Kingi, Yang Wang, Xinxin Zuo
任务设定
单图驱动的人体视频扩散模型个性化生成
痛点动机
姿态偏离参考图时,人脸和服装身份难以保持一致
解决方案
用姿态条件生成器造伪监督帧,结合测试时低秩适配器在静态片段上训练,无需真实视频
14
Néstor Ortega, Agustín Salgado, Javier Sánchez
任务设定
评测健身场景下的单目/多视角 3D 人体姿态估计方法
痛点动机
现有方法在真实运动场景下的表现缺乏系统性评估
解决方案
对比单目(TCPFormer、PoseMamba-L)与多视角(MVGFormer)模型,分析 2D 检测质量与时序滤波的影响
15
Jeong-gi Kwak, Andrea Tagliasacchi, Sho Kagami, Yuki Ono, Kwang Moo Yi
任务设定
多视角三维重建与相机位姿估计
痛点动机
几何基础模型难以增量扩展与迭代优化
解决方案
提出循环 Transformer 求解器,迭代更新位姿与几何,支持增量重建与 KV 缓存复用
16
Xingtai Gui, Xubin Zhou, Yucheng Zhou, Dongqian Guo, Jiahao Gong, Feiyang Tan, Jianbing Shen
任务设定
端到端自动驾驶的可迁移视觉表征学习
痛点动机
无动作视频预训练能否助力端到端规划尚不明确
解决方案
提出 ScaleDrive ,用海量无动作驾驶视频做视频隐预测预训练,迁移至端到端规划
17
Hangyi Kuang, Chengzhi Wang, Yefei He, Weijie Wang, Yuke Zhao, Zhuokun Chen, Zisu Huang, Yifan Yang, Xiaoxuan He, Feng Chen, Bohan Zhuang
任务设定
面向长时域视频世界模型的少步自回归生成一致性问题
痛点动机
现有蒸馏方法未充分利用历史信息,物体离开视野再出现时易失真
解决方案
提出 History Forcing ,用含/不含历史上下文的教师预测残差构造修正蒸馏目标,强化历史监督
18
Xilun Zhang, Liam Achenbach, Luis Pabon, Matthew Foutter, Marco Pavone
任务设定
让机器人通过自主交互学习接触动力学参数
痛点动机
仿真难以观测摩擦、恢复系数等接触物理量
解决方案
智能体自建感知并辨识物理参数,主动选择误差最大的交互进行标定,台球实验误差降 72%
19
Saihui Hou, Zengyun Mou, Chunshui Cao, Yongzhen Huang
任务设定
提出面向人的世界模型概念框架
痛点动机
缺乏结合历史与情境持续估计人类状态的框架
解决方案
HOWM 整合观测、历史与情境,持续估计状态并做个性化动态预测以支持决策
20
Minh Ta Tran Nhat, Yuning Ye, Yuseok Ban
任务设定
基于骨骼的动作识别,建模关节高阶交互
痛点动机
传统图卷积仅建模两两关系,难捕捉动态高阶关联
解决方案
提出动态超图卷积网络,几何约束构建动作特定超边,并用对比学习精细化连接强度
21
Zongtan Li, Tianming Liu, Ye Zhao
任务设定
为人形机器人序列式添加恢复控制技能
痛点动机
新增技能易破坏已验证的旧成功轨迹
解决方案
约束技能接入规则而非参数,确保新技能不覆盖已保护轨迹
22
Zhan Chen, Songyan Zhang, Wenhui Huang, Zirui Li, Zhidong Wang, Qihang Huang, Shiyu Fang, Chen Lv
任务设定
自动驾驶中学习物体级交互感知的世界模型用于轨迹规划
痛点动机
现有端到端模型将场景编码为稠密特征,物体交互建模隐式且不足
解决方案
用物体级 slot 表示从视频中学习世界模型,并蒸馏到轨迹规划器
23
Ruihan Zhang, Davy Deng
任务设定
综述如何借鉴感觉运动脑机制改进机器人操作策略学习
痛点动机
现有机器人策略在大规模预训练下仍难以应对新任务和物体
解决方案
提出借鉴身体顺应性、快速视觉通路、小脑预测器等神经启发设计
24
Tan Sang Nguyen, Yi Ru Wang, Shailesh Shailesh, Gang Yang, Jiamo Hu, Jianuo Jiang, Haoquan Fang, Zhongzheng Ren, Zhongyi Luo, Ian Chong, Aaron Tung, Santiago Pravisani, Minghui Lin, Yao Mo, Ishneet Singh, Benjamin Tee, Harold Soh, Siddhartha Srinivasa, Dieter Fox, David Hsu, Haoming Song, Maxime Ellerbach, Thomas Wolf, Pepijn Kooijmans, Ruijie He, Michael Cho, Jiafei Duan
任务设定
大规模分布式评测 VLA 策略与通用智能体的真实机器人基准
痛点动机
物理机器人实验难以复现,跨机器人/任务的评测缺乏统一标准
解决方案
构建跨 4 种机身(含 G1 人形)的统一策略服务与配对评测协议
25
Lingwei Dang, Yan Zhou, Juntong Li, Zhenhao Zhang, Yiteng Chen, Xiaoqiang Liu, Liang An, Hongwen Zhang, Wei Min, Guoxin Zhang, Pengfei Wan, Yebin Liu, Qingyao Wu
任务设定
联合生成未来视频、机器人动作与 4D 几何运动场
痛点动机
RGB 未来纠缠外观与物理状态,深度图缺乏时序对应
解决方案
提出 GeoDelta 几何运动场编码位移与深度变化,用交互显著性注意力定位抓取等关键区域
26
Zikang Leng, Thomas Plötz
任务设定
从文本生成服装贴身 IMU 虚拟数据
痛点动机
服装随布料滑动,真实传感器数据稀缺
解决方案
用物理布料仿真合成文本驱动动作下的服装与人体 IMU 信号,提升姿态估计
27
Shaoheng Fang, Yiqun Mei, Hanwen Jiang, Xin Sun, Haitian Zheng, Hao Tan, Kalyan Sunkavalli, Georgios Pavlakos, Qixing Huang, Yiwei Hu
任务设定
单图加指令生成持久世界视频
痛点动机
现有视频世界模型探索中场景难保持一致
解决方案
智能体做高层规划,视频世界模型逐块生成并用空间记忆维持一致性
28
Jingjun Yi, Chen Hu, Qi Bi, Hao Zheng, Huimin Huang, Yongkang, Wei Ji, Yawen Huang, Xian Wu, Yefeng Zheng
任务设定
多视角 3D 场景理解中语义漂移问题
痛点动机
同一物体不同视角下 MLLM 回答不一致
解决方案
用 Lie 群路由对视觉特征做 SO(3)旋转适配,提升视角鲁棒性
29
Shaohuai Liu, Weirui Ye, Yilun Du, Le Xie
任务设定
连续控制任务中的搜索式策略规划方法
痛点动机
高斯策略与离散搜索候选不匹配,导致投影误差和方差膨胀
解决方案
提出 Iterative Gumbel Planning ,用分维度分类策略对齐搜索候选,结合 MPPI 迭代搜索优化,在 HumanoidBench 等任务上取得 SOTA
30
Geonwoo Cho, Jaegyun Im, Doyoon Kim, Lexin Li
任务设定
离线预训练策略的在线微调稳定性问题
痛点动机
去掉离线回放后易出现早期灾难性性能崩溃
解决方案
提出 ANCHOR ,用 KL 约束把 actor 锚定在离线策略上并逐步退火,在 FrankaKitchen、AntMaze、Adroit 机器人操作任务上验证有效
31
Liangkai Liu, Bimal Thapa Magar
任务设定
评估机器人基础模型(VLA)闭环物理安全性
痛点动机
现有评测割裂场景扰动与推理延迟,忽略二者交互风险
解决方案
提出跨层变异传播框架,用交互对比度量化联合风险;在 pi0.5 上发现延迟叠加视角偏移使违规率远超单独效应之和
32
Shubh Garg, Divyansh Pandey, Vedant Khandelwal, Niyati Rawal, Amit Sheth
任务设定
诊断具身 VLM 是否真正使用场景图记忆
痛点动机
高准确率不能证明模型依赖图记忆而非文本捷径
解决方案
提出 graph-swap 测试:文本记忆被有效利用,但图编码经池化融合后信息丢失,逐节点 token 化可部分恢复
33
Xingyuan Ding, Sicheng Yu, Kaiyong Zhao, Hao Wang
任务设定
单目 RGB 输入的开放词汇语义 SLAM 重建
痛点动机
现有高斯 SLAM 语义融合难维护,且无法回溯修正历史语义
解决方案
用独立稀疏体素图解耦语义与高斯重建,基础模型先验增强深度位姿估计,双向交互修正历史语义证据
34
Shubh Garg, Divyansh Pandey, Niyati Rawal, Vedant Khandelwal, Amit Sheth
任务设定
评估具身问答中证据获取是否真实发生
痛点动机
答案正确不代表智能体真正观察过场景
解决方案
提出多房间基准与证据阶梯,固定问题仅改变证据来源逐级评估
35
Yuntae Jeon, Younho Jeon, Sujin Jin, Sungho Jo, Seunghee Park
任务设定
3D 高斯场景的物体级语义理解与分割
痛点动机
现有 2D 到 3D 语义提升缺乏物体级先验,受局部掩码主导
解决方案
用视觉语言模型构建物体场景图,双模块语言引导优化高斯语义一致性
36
Zhongxiang Sun, Chenghao Yang, Haojie Ding, Boheng Zhang, Fan Yang, Qingsong Wen, Kun Wang
任务设定
评测具身智能体的物理智能综合能力
痛点动机
物理感知、知识检索与推理协同能力评测不足
解决方案
提出 410 题 TriPhysBench 基准及 TriPhys 统一策略框架,融合工具轨迹学习
37
Dujun Nie, Ruiqi Song, Zixuan Wang, Hanqing Wang, Yifan Han, Baiyong Ding, Wenzhao Zheng, Hangbin Wu, Long Chen
任务设定
构建可预测动作条件下未来观测的导航世界模型
痛点动机
有动作标注的导航数据稀缺,限制跨场景泛化
解决方案
用 1750 万条无动作视频预训练潜在动作,再用真实动作数据微调对齐,得到通用导航世界模型 OpenNWM
38
Anton Hristov, Aleksandar Slavov, Vasil Vasilev
任务设定
评估视频世界模型预测误差能否反映真实物理意外
痛点动机
预测误差常被误当成物理意外,实际可能只是外观或运动差异
解决方案
分析潜在空间几何发现固定误差阈值易误判物理可能性事件
39
Chandrakiran Ravula, Siddhanth Ramesh
任务设定
在潜在空间中进行机械臂运动规划与避障
痛点动机
二分类碰撞检测梯度易饱和、缺乏时间结构,规划容易卡死
解决方案
学习控制障碍函数替代分类器,闭式修正保证规划时避障安全
40
Eduardo Fernandes, Tiago Ribeiro, Antonio Ribeiro, Carolina Lopes, Gil Lopes, Fernando Ribeiro
任务设定
结合人体姿态估计与 VR 的服务机器人遥操作系统
痛点动机
传统遥操作缺乏沉浸感,人体到机器人动作映射不够直观
解决方案
用 Mediapipe 结合 RGB-D 相机估计 3D 人体姿态,映射到机器人关节
41
Chan Park, Sunwoo Hong, Kirak Kim, Yoonjeong Park, Alexander W. Olson, Ali Pesaranghader
任务设定
修复 VLA 模型在避障操作中的不安全动作
痛点动机
CBF-QP 安全修正易使机器人偏离任务轨迹难恢复
解决方案
用 VLA 预测动作生成绕障路径,作为软引导加入 CBF-QP 优化
42
Zhenxin Zhu, Zhijian Huang, Cheng Chi, Yuru Wang, Jianhua Wu, Jiayi Guan, Yonggang Li, Mingfei Tu, JiaKui Hu, Tao Xu, Xianqi Wang, Hao Li, Yuechuan Pu, Qizeng Jia, Ruiling Yang, Hongxiao Yu, Xuhan Sheng, Jian Mao, Ruiqiang Zhang, Yu Zhu, Guang Chen, Hangjun Ye, Bing Wang
任务设定
构建自动驾驶与具身智能的统一世界模型
痛点动机
需统一异构条件输入,实现多视角长时序一致生成
解决方案
用视图-时序注意力和多视角 RoPE 建模时空依赖,并用 3D 高斯重建场景上下文支持流式推理
43
Yongqi Shan, Yifan Wang, Yunzhi Zhuge, Lijun Wang, Huchuan Lu
任务设定
点云场景下的多步推理与 3D 场景理解
痛点动机
现有 3D LLM 推理缺乏与视觉证据交互,易产生幻觉与歧义
解决方案
提出 3D-文本交织思维链框架,结合歧义感知证据聚合融合候选物体信息
44
Rui Cao, Jia-Hui Pan, Yin Zhang, Qiwei Meng, Jiapeng Li, Gang Wang, Runsong Zhu, Wei Chen, Chi-Wing Fu, Jiangliu Wang, Yun-Hui Liu
任务设定
面向透明反光物体的深度修复,辅助机器人操作
痛点动机
商用 RGB-D 相机在非兰伯特材质上深度易缺失失真
解决方案
用不确定性门控特征迭代优化深度与不确定性图,并以深度基础模型初始化缺失区域
45
Chaitanya Patel, Yusuke Kato, Rin Takahira, Kazuki Kozuka, Juan Carlos Niebles, Ehsan Adeli
任务设定
从第一视角视频联合重建 3D 人体动作与周围场景
痛点动机
单目第一视角视频难以恢复度量尺度的相机轨迹
解决方案
融合单目深度、光流等几何线索与扩散运动先验,交替优化人体与场景
46
Amir Hossain Raj, Xuesu Xiao
任务设定
杂乱场景中存在遮挡时的机器人操作规划
痛点动机
遮挡物体后隐藏的几何与空间信息难以被感知利用
解决方案
用物体中心场景表示重建隐藏几何,结合 LLM 提议动作与学习世界模型做 MCTS 搜索
47
Sicheng Yu, Liu Liu, Xinjie Wang, Xinjiang Wang, Taojun Ding, Wenhao Hu, Beizhen Zhao, Puxin Yan, Zhizhong Su, Hao Wang
任务设定
交互式世界生成中的长时场景一致性
痛点动机
长程探索时目标视角引导不完整、误差累积
解决方案
用持久化 3D 高斯场景状态驱动生成-重建循环,结合 SLAM 重建过滤不一致并跨块对齐
48
Lixing Tan, Qing Xia, Yuting Guo, Shuai Li, Aimin Hao
任务设定
让运动语言模型直接处理单目视频 2D 姿态输入
痛点动机
2D 观测随视角变化且深度缺失导致语义歧义
解决方案
提出配对视角对齐统一 3D 教师目标,并用相机参数调制编码注入视角几何信息
49
Geo Jie Zhou, Kunzhe Song, Ruxin Lin, Huacheng Zeng
任务设定
用毫米波通信信号做 3D 人体姿态估计
痛点动机
摄像头/LiDAR 怕遮挡光照,专用雷达难以普及
解决方案
复用通信 CIR 生成点云,结合跨帧 Transformer 与图卷积逆动力学优化骨骼姿态
50
Xicheng Gong, Wenxuan Song, Chengze Liu, Qiwei Li, Qize Yu, Jiaolong Yang, Haoang Li, Yadong Mu
任务设定
机器人 VLA 模型中用 VLM 辅助动作生成
痛点动机
现有方法中 VLM 只提供静态条件,限制了对动作生成的指导
解决方案
提出 JADE ,让 VLM 与扩散动作专家联合去噪,通过门控交叉注意力动态引导动作生成
51
Chengcheng Wang, Yuheng Shi, Siyu Xu, Yutong Wang, Jinjing Zhao, Chenghao Xia, Jinqi Liao, Jiankun Peng, Ligong Bi, Yuechuan Ma, Jiaqi Liu, Wenbo Wang, Zijian Wang, Yuemin Wu, Minjing Dong, Xiu Su, Tao Huang, Jianyuan Guo, Chengbin Du, Yunke Wang, Chang Xu
任务设定
零样本机器人操作的任务无关智能体框架
痛点动机
VLM 直接当控制策略时规划-执行差距大,成功率低
解决方案
VLM 仅做任务决策,通过工具调用执行,框架负责 3D 测量与容错监控
52
Jung-Hao Kao, Jing-En Huang, Jia-Wei Liao, Tzuhsuan Huang, Yu-Lun Liu, Cheng-Fu Chou, Jun-Cheng Chen
任务设定
免训练 3D 视觉定位,根据语言描述定位场景物体
痛点动机
现有方法对全场景均匀处理,浪费视觉算力于无关区域
解决方案
用查询引导视角选择和定位概率估计聚焦关键证据区域
53
Lin Yang, Yunjie Shen, Zheyu Li, Zhenjie Tian, Yongli Wang, Dongze Huang, Weiqi Wang, Yucheng Zhu, Zhaoquan Jiang, Guofeng Xie, Peigen Fang
任务设定
VLA 模型的高频机器人控制
痛点动机
VLM 逐帧重新编码观测,跟不上高频反应式控制需求
解决方案
VLM 低频语义锚点+流匹配动作专家高频执行,显式建模缓存时延
54
Ziming Wang, Chuyue Gong, Hongliang Cao, Jingmin Zhu, Chutian Wang, Yuheng He, Xiuyu Li
任务设定
交互式视频世界模型中撤销动作后的记忆检索
痛点动机
最新时间戳未必代表真实状态,撤销后记忆易出错
解决方案
提出 ReDate,按动作日志记录帧的有效时间再检索,无需训练
55
Ziming Wang, Chuyue Gong, Chutian Wang, Jingmin Zhu, Hongliang Cao, Yuheng He, Xiuyu Li
任务设定
研究流式 3D 重建模型应保留多少历史记忆
痛点动机
写入帧数影响精度与显存,现有门控策略取舍不明
解决方案
提出 SceneBound,按相机位姿距离决定是否写入关键帧,免训练
56
Changsong Lei, Yihan Li, Yu-Hui Wen, Huankun Sheng, Ming Li, Yeying Fan, Minnan Luo, Yong-Jin Liu
任务设定
按相机轨迹合成新视角视频并保持场景一致
痛点动机
现有方法只按相机位姿选参考帧,忽略语义相关性
解决方案
模仿人类语义-情景记忆,构建结构化 3D 记忆并按语义与可见性检索关键帧
57
Xiao Huang, Ya Zhang, Weidi Xie
任务设定
机器人操作中用视觉记忆保留历史信息辅助决策
痛点动机
当前观测缺少近期运动或先前视觉证据,影响动作判断
解决方案
提出预测调节记忆(PREM),用动作条件未来预测监督并调节记忆更新,提升 VLA 策略成功率
58
Yanze Zhang, Hao Liu, Haochang Hao, Zhixiang Shen, Chunyu Miao, Yuyao Yang
任务设定
MetaFine 竞赛中细粒度机器人操作任务评测
痛点动机
脚本教师演示的停顿习惯会误导学生策略模仿
解决方案
让教师演示变得可模仿,训练轻量策略配合指令分类器完成精细操作
59
XPeng: Boyang Wang, Boyi Sun, Chaoda Zheng, Dongbin Zhang, Guangfeng Jiang, Hanlong Chen, Hongbin Lin, Jianlei Zheng, Jinhao Deng, Kai Yang, Kangjie Chen, Linkun Xu, Minqi Wang, Puyi Wang, Rongliang Cheng, Ruixin Liu, Shijia Chen, Shuang Deng, Sijia Chen, Sin Wai Choo, Tianyuan Xie, Xiangyu Li, Xianming Liu, Xingjie Liu, Xinlong Zheng, Xuejie Lv, Xuezhi Yang, Yi Guo, Yixiao Zeng, Yu Zhang, Yuecheng Ma, Yuhao Wang, Yuqi Zhang, Yuxin Peng
任务设定
构建可控虚拟城市的自动驾驶世界模型仿真器
痛点动机
闭环评估与策略学习需要精确场景控制和持续生成质量
解决方案
升级世界模型基座,支持多视角未来视频生成与因果少步快速推理
60
Zongtan Li, Tianming Liu, Ye Zhao
任务设定
加速模仿学习策略执行而不损失成功率
痛点动机
暴力加速演示会产生控制器无法实现的指令导致崩溃
解决方案
贪心合并相邻指令,仅当合并后位移仍在控制器限幅内才加速
61
Ziyang Lin, Zixuan Sun, Rami Nasser, Jianli Jin, Xuanle Li, Jayanth Srinivasa, Fan Lai
任务设定
加速机器人策略推理以降低延迟、提升吞吐
痛点动机
缓存去噪状态收益有限,策略骨干网络仍占大量 GPU 时间
解决方案
缓存完整动作片段并做残差修正,跳过骨干网络和动作头复用
62
Kunal Bhosikar, Nicole Meng, Charu Sharma, Yingjie Lao
任务设定
评测 世界模型 在机器人规划中的鲁棒性
痛点动机
微小扰动即可操控 潜在状态,致使规划失效
解决方案
对目标图像施加 对抗扰动,欺骗 LeWorldModel 篡改物体位姿编码,导致规划失败。
63
Boniface Chukwuemeka Godwin
任务设定
让 VLA 策略自行判断任务是否会失败
痛点动机
现有方法需额外失败检测器,增加系统复杂度
解决方案
用成功/失败轨迹结合 ACal 排序损失,通过 LoRA 微调校准动作置信度
64
Dmytro Kurdydyk, Aadi Palnitkar, Sebastian Scherer, Seungchan Kim
任务设定
让具身智能体通过重新观察修正记忆错误
痛点动机
单次构建的记忆库易积累错误且无法自我纠正
解决方案
用语义评判器定位问题区域,规划重访并选择性融合新观察更新知识库
65
Mingyang Bao, Fangda Ye, Xihao Chen, Bobo Li, Jason Li, Shengqiong Wu
任务设定
生成具有物理一致动态的视频
痛点动机
现有视频生成缺乏显式物理建模,运动不合理
解决方案
用粒子图动力学模拟器预测 3D 运动,结合可见-不可见运动场注入扩散生成模型
66
Fan Xu, Fan Yang, Yifan Xu, Ruiyuan Zhang, Yimou Wu, Nuo Yi, Muning Wen, Guang Chen, Costas Spanos, Shangding Gu
任务设定
灵巧操作弹钢琴任务的多样化 RL 基准测试
痛点动机
现有基准局限于双手,缺乏统一评测体系
解决方案
提供 1 到 5 只 ShadowHand ,支持标准/鲁棒/安全/多智能体 RL 评测
67
Lirong Che, Peidong Wang, Yimeng Su, Jiong Wang, Yang Chen, Wenbo Fu, Zhenyu Huang, Tiancheng Xu, Yuzhe Yang, Dongli Xie, Xu Cao, Chuang Wang, Daqi Liu, Jian Su
任务设定
让机器人持续观察、积累经验并学会新技能
痛点动机
具身智能体按单任务训练,难应对环境持续变化
解决方案
提出 LIFE 框架,用 RoboBeats 选择性记忆, EDM 将经验蒸馏为可复用技能
68
Hao Xue, Peng-Fei Zhang, Ying Cheng, Lanyun Zhu, Lei Zhu, Heng Tao Shen
任务设定
将第三人称机器人操作视频转为第一人称视频
痛点动机
第一人称数据采集昂贵,大视角变化和遮挡下合成困难
解决方案
提出 AuroraWorld ,用结构化 4D 世界模型生成物理一致的自我中心视频
69
Kauan Mariani, Matheus Carvalho, Joel Perca, João Rulff, Jorge Poco
任务设定
用路侧多相机估计路口行人 3D 姿态与运动轨迹
痛点动机
视角偏斜遮挡严重,且缺乏 3D 真值和跨相机身份标注
解决方案
对比单目学习式(分割+跟踪+3D 人体估计)与多视角几何(三角化)两条路线,用无参考指标评估
70
Yixiang Yang, Lizhong Zhang, Xingyu Zhang, Zhiwen Chen, Jie Ling, Qiankun Yu, Xingliang Liu, Yang Lei, Zhipeng Zhang
任务设定
自动驾驶世界动作模型的高效部署
痛点动机
稠密视频生成推理延迟高,难以实时使用
解决方案
用 16 个稀疏寄存器 token 压缩 DINOv2 特征,实现想象后再决策
71
Suraj K. Sood, Yugyung Lee
任务设定
视频世界模型中对物体交互做反事实编辑
痛点动机
现有世界模型难以针对特定物体交互做假设性修改
解决方案
用 slot attention 无监督提取物体,为每对物体学习显式交互潜变量,可直接增删改交互效果