1
Mario Marquez-Balduque, Carlos Rodriguez-Pardo, Jorge Lopez-Moreno
任务设定
面向实时渲染的皮肤外观数字化
痛点动机
离线路径追踪结果难以映射到实时引擎着色器
解决方案
提出可微分屏幕空间次表面散射框架,联合优化纹理与散射参数,支持单光单视角采集
2
Amani Kiruga, Zhiyi Li, Ruojin Cai, Hansen Lillemark, Xiaoshan Wu, Ayush Tewari, Yilun Du
任务设定
统一建模 4D 场景的几何与视频生成
痛点动机
几何预测与视觉生成长期割裂,难以联合建模场景动态
解决方案
提出统一生成式框架,对 RGB 视频与深度位姿设不同噪声水平,统一为条件补全任务,支持推理时多假设搜索
3
Ilia Larchenko, Gleb Zarin, Atindra Nair, Keerti Manney, Vitaly Kleban, Mirko Kiefer, Anjana Yodaiken
任务设定
用单一 VLA 策略完成 100 项长时程家庭任务
痛点动机
2025 版模型训练不足,长程多任务泛化能力有限
解决方案
基于 π0.5 扩展训练规模,用方差缩减流匹配训练动作专家,部分任务辅以编程智能体兜底
4
Runjia Li, Minghao Chen, Junyu Xie, Philip Torr, Andrea Vedaldi, Tomas Jakab
任务设定
从预训练视频模型提取动作表征用于世界模型
痛点动机
动作标签稀缺且规范不统一,限制世界模型的监督学习
解决方案
基于 V-JEPA 2 嵌入做对比学习,拉近同动作不同场景、推远同场景不同动作,分离动作与场景
5
Guoqiang Liang, Yiqi Lin, Yanzhe Chen, Kevin Yuchen Ma, Mike Zheng Shou
任务设定
面向机器人的世界动作模型,联合预测动作与未来观测
痛点动机
现有信号注入方式偏离预训练视频扩散模型的隐空间先验
解决方案
将机器人信号按频域通道打包为统一元帧,经逆 DCT 变换对齐 VDM 先验,无需新增模块
6
Haitian Li, Tianfu Li, Xuxi Zhao, Zizheng Liu, Yangcheng Yu, Yiwen Hou, Zeyu Xiao, Mutian Xu, Ziqian Yang, Haonan Chen, Lin Shao
任务设定
基于世界-动作模型的高效机器人控制任务
痛点动机
固定去噪预算无法适应任务、状态和区域的差异化需求
解决方案
提出 Elastic-WAM ,学习时空细化场自适应分配去噪计算,用稀疏世界刷新降低推理延迟
7
Wen Hao He, Jiacheng Wu, Jie Chen
任务设定
单张图像的 3D 头部表情估计任务
痛点动机
外观到几何的映射难以应对大幅形变和大视角变化
解决方案
用 PG-VAE 统一对齐几何曲面与 FLAME 参数潜空间,再用适配器接入视觉编码特征
8
Huiting Xi, Marsha Mariya Kappan, Eduardo Benitez Sandoval, Francisco Cruz
任务设定
多相机场景中为人体姿态估计挑选最佳未来视角
痛点动机
遮挡导致单视角姿态估计误差大,需提前选好视角
解决方案
将当前姿态及不确定性重投影到候选视角,用 CJRR-Net 排序打分选最优视角
9
Lin Long, Tianren Ma, Zhong Chu, Di Wu, Maosong Cao, Qixiang Ye, Junbo Zhao, Shanghang Zhang
任务设定
用无动作标注的人类第一视角视频辅助机器人策略学习
痛点动机
机器人动作数据稀缺,而第一视角视频数据丰富却缺动作监督
解决方案
提出 SPAR 架构,在 VLM 中联合预测未来视觉状态与动作,作为互补学习信号
10
Aalap D. Shah, Basil Saeed, Joshua B. Tenenbaum, Tobias Gerstenberg, Hyowon Gweon, Ilker Yildirim
任务设定
建立计算框架以推理人类的具身多步行动计划
痛点动机
自然具身场景下目标与计划的推理难以形式化
解决方案
提出 GenEA ,结合任务-运动规划与直觉物理的生成式多层状态空间模型
11
Xin Zhao, Pengzhan Zhou, Ziyi Li, Riheng Jia, Zhida Qin, Yu Liu
任务设定
基于第一视角线索预测 3D 场景中的人体运动
痛点动机
现有凝视信号方法存在漂移、歧义及硬件依赖问题
解决方案
对齐第一视角视觉与头部运动特征,结合接触感知解码器生成稳定运动
12
Kaixing Yang, Xulong Tang, Ronghui Li, Xiangyue Zhang, Ziqiao Peng, Mingshuang Luo, Chenxi Zhao, Haoyu Wu, Ju Fan, Hongyan Liu, Puwei Wang, Zijiao Zeng, Jun He
任务设定
超快速长时 3D 人体运动生成(文本/音乐/语音驱动)
痛点动机
长时运动生成质量与推理速度难以兼顾
解决方案
提出 MeanFlow 少步采样和轻量 BiMamba 架构,兼顾质量与速度
13
Qinan Zhang, Xinyu Wang, Qihang Jin, Tianyuan Wang, Hongbing Luo, Pengfei Li, Wenjun Lv, Yu Kang, Jian Di
任务设定
评估 VLM 裁判在具身任务中的可靠性
痛点动机
准确率无法说明裁判是否依据正确因果证据判断
解决方案
提出状态条件不变性原则及 GridWM-Judge 诊断基准,分解感知/因果等维度评测
14
Huiyi Chen, Weitai Kang, Shicheng Fan, Xinshuo Wang, Zhixiang Shen, Yan Yan, Philip S. Yu, Baoxin Li
任务设定
诊断文本生成视频的物理常识合理性
痛点动机
现有评测仅凭主观打分,无法定位具体违反的物理原则
解决方案
提出规则化评分框架 PhyRubric ,逐项带证据判定并训练专用评判模型
15
Huy Anh Nguyen, Chang Dong, Feras Dayoub, Minh Hoai
任务设定
第一视角视频中定位手物接触/释放时刻
痛点动机
现有方法依赖外部检测器,接触边界定位不准
解决方案
联合建模手与物体的时空特征,提出接触转换事件定位框架,并发布新数据集 ContactTransition
16
Rumi Loghmani, Bozhang Song, Victor Alvarado, Aliyah Redding, Amir Barati Farimani
任务设定
让机械臂像人一样读纸质说明书完成化学实验操作
痛点动机
传统实验室自动化依赖固定机位和标记,难以适应真实实验台
解决方案
通过视觉识别定位容器与标签,每步前重新定位并按物体调整操作参数
17
Denis Grachev, Damien LaRocque, Omar Moured
任务设定
评测 VLA 模型机器人操作性能的真实来源
痛点动机
高成功率下,仍不确定 VLA 是否真正泛化而非记忆演示
解决方案
用 kNN 检索邻近演示动作块替代策略推理,发现微调主要增强检索而非动作生成
18
Reece Keller, Declan Kutscher, Xaq Pitkow, Aran Nayebi
任务设定
研究内在动机驱动的世界模型构建方法
痛点动机
不清楚内在动机如何影响世界模型的可复用表征
解决方案
整合 24 种内在动机目标与 3 种表征学习策略,评测世界模型的零/少样本控制效果
19
Xiaoyang Xing, Chun-Mei Feng, Anthony Cohn, Xiaoliang Gong, Asoke Nandi
任务设定
加速视觉-语言-动作模型的机器人操作推理
痛点动机
密集视觉 token 导致推理延迟高,影响实时控制
解决方案
学习动作引导的 token 剪枝,训练轻量评分器选关键 token ,冻结主干模型加速推理
20
Ruimeng Liu, Denan Liang, Ruofei Bai, Fuming Zhang, Kuan Xu, Shenghai Yuan, Lihua Xie
任务设定
具身 VLM 中面向机器人操作的空间坐标 grounding 任务
痛点动机
离散 token 定位延迟高,点回归难应对多接触可供性区域
解决方案
用模态解耦 MoE 分离空间/语言专家,坐标编码为单 token 并配 SDF 监督
21
Yifan Fan
任务设定
评估 2D 姿态估计指标 OKS-mAP 的三大盲区
痛点动机
OKS-mAP 掩盖了遮挡、关节角度及时序误差差异
解决方案
提出三模块协议:遮挡分层 mAP、关节角度误差、帧间抖动分析