SwitchVLA: Execution-Aware Task Switching for Vision-Language-Action Models
Beijing Innovation Center of Humanoid Robotics(北京人形机器人创新中心)
SwitchVLA提出执行感知的统一框架,将任务切换建模为以执行状态和指令上下文为条件的行为调制问题,通过接触阶段分割与多行为条件策略实现无需外部规划器的流畅任务切换,在仿真与真实机器人操作中优于先前VLA基线。
2025-06-04 cs.RO
ForeDiffusion: Foresight-Conditioned Diffusion Policy via Future View Construction for Robot Manipulation
ForeDiffusion通过引入未来视图表示,改进机器人操作中的扩散策略,实现更稳定的性能和更高的成功率。
2026-01-19 cs.AI cs.RO
vla.simd: Efficient CPU Inference for Language-Conditioned Manipulation
VinRobotics;Center for AI Research, VinUniversity(VinUniversity人工智能研究中心);Intelligent Autonomous Systems, TU Darmstadt(达姆施塔特工业大学智能自主系统)
提出vla.simd CPU推理引擎和IMPACT策略,实现语言条件操控的高效CPU部署,在多个CPU上加速1.4倍,并在Raspberry Pi 5上达到33.5动作/秒,GPU评估成功率76.4%。
2026-09-22 cs.AI cs.RO cs.SY
OGPO: Offline Goal-conditioned Policy Optimization for Recoverable Vision-Language-Action Models
Institute of Software, Chinese Academy of Sciences(中国科学院软件研究所);University of Chinese Academy of Sciences(中国科学院大学);Wangxuan Institute of Computer Technology, Peking University(北京大学王选计算机技术研究所)
该研究提出OGPO框架,将VLA后续训练从轨迹级动作模仿转向关键状态可达性学习,在LIBERO等基准上提升了VLA策略性能与分布偏移下的恢复能力。
2026-10-12 cs.AI
Robo-Dopamine 2.0: History-Conditioned and OOD-Aware Process Reward Modeling for Robotic Manipulation
Peterson Co(彼得森公司)
本文提出Robo-Dopamine 2.0,一种历史条件与分布外感知的过程奖励模型,结合带符号跳课程训练,提升了机器人操纵的视觉顺序一致性与分布外鲁棒性,在下游强化学习中取得优异的真实世界任务表现。
2026-08-18 cs.AI cs.RO
Calibrated Predictive Safety for Heterogeneous Robots: An Action-Conditioned JEPA Framework with Model-Based Safety Shields
Guangdong Bifang Intelligent Control Technology Co., Ltd.(广东毕方智能控制技术有限公司)
本研究提出带基于模型安全盾的动作条件JEPA框架,用于异构机器人,可预测候选动作的任务进展与物理风险,在仿真中提升了成功率并降低碰撞漏报率。
2026-08-19 cs.RO
ForceDelta-VLA: Distilling Force-Conditioned Action Corrections for Contact-Rich Manipulation
University of Hamburg(汉堡大学);University of Science and Technology of China(中国科学技术大学);Technical University of Munich(慕尼黑工业大学)
ForceDelta-VLA通过蒸馏力条件与力无关预测的差值构建校正目标,轻量策略利用力历史调整参考动作,在接触丰富任务中成功率82.2%,峰值力降低26%。
2026-10-27 cs.RO
World Action Planner: Generalizable Robot Decision-Making with Action-Conditioned World Models
Harvard University(哈佛大学)
本研究提出World Action Planner机器人规划系统,结合VLMs与多任务位姿图像条件世界模型,可迭代优化动作规划,在组合任务、新布局等场景中泛化性能优于VLAs、WAMs等端到端策略模型。
2026-10-05 cs.AI cs.RO
Act2Goal: From World Model To General Goal-conditioned Policy
Agibot Research(阿吉博特研究所)
Act2Goal通过结合视觉世界模型与多尺度时间控制,实现目标条件政策的鲁棒长时间尺度操作,提升机器人在新环境中的自主适应能力。
2025-12-29 cs.AI cs.RO
SeeTraceAct: Visibility-Aware Latent Planning from Cross-Embodiment Demonstration Videos
Georgia Institute of Technology(佐治亚理工学院);Allen Institute for AI(Allen人工智能研究所);Johns Hopkins University(约翰霍普金斯大学);University of Washington(华盛顿大学)
提出SeeTraceAct框架,通过可见性感知的未来末端执行器轨迹预测增强空间定位,实现基于单次跨具身演示视频的机器人策略泛化,在模拟和真实场景中取得最优成功率。
2026-10-14 cs.LG cs.RO
Policy-Aligned Predictive Verification for Adaptive VLA Action-Chunk Execution
Seoul National University(首尔国立大学);KAIST(韩国科学技术院)
该研究针对VLA策略自适应执行的关键问题,提出策略对齐预测验证器PAV,通过评估动作前缀兼容性优化执行步长,在多机器人操作任务上改善了成功度与查询量的权衡。
2026-10-16 cs.LG cs.RO
Learning needle insertion from sample task executions
University of Lincoln(林肯大学)
自动化机器人任务,例如,机器人的机器人识别可能非常复杂和耗时。学习一个任务模型来自主执行任务是非常宝贵的,这使得机器人手术技术能够为更广泛的社区所用。机器人手术的数据可以很容易地记录,其中收集的数据可以用于学习任务模型。这将减少机器人手术的时间和成本,其中外科医生可以监督机器人操作或给出高级命令,而不是对工具的低级控制。我们提供了一个在软组织中使用两个臂进行针插入的数据集,其中第1臂将针插入组织中,第2臂主动操纵软组织,以确保期望的和实际的退出点相同。这在实际手术中很重要,因为没有主动操纵组织的缝合可能会导致缝合失败,因为缝合可能无法抓住足够的组织来抵抗施加在缝合上的力。我们提出了一个针插入数据集,包括60个成功的试验记录的3对立体相机。此外,我们从演示中提出了深度机器人学习,它通过查看过去时间步的视频来预测机器人在t之后的时间步的期望状态(在t处采取的最佳动作产生),即任务执行的n步时间历史,其中N是内存时间窗口。实验结果表明,我们提出的深度模型架构优于现有的方法。虽然该解决方案还没有准备好部署在一个真正的机器人,结果表明,未来的发展,真正的机器人部署的可能性。
2021-03-14 cs.AI cs.RO
VLaRL: Augmenting Vision-Language-Action Models with Simulation-Trained Latent-Conditioned Residual RL
Microsoft Research Asia(微软亚洲研究院);KAIST(韩国科学技术院);The University of Tokyo(东京大学)
VLaRL利用VLA内部潜在表示作为迁移接口,在仿真中训练残差RL并部署到真实机器人,无需真实世界RL,在四个接触丰富任务和两个VLA骨干上均提升成功率。
2026-09-28 cs.RO
Robust Skills, Brittle Grounding: Diagnosing Restricted Generalization in Vision-Language Action Policies via Multi-Object Picking
Naver Labs Europe(纳维尔实验室欧洲)
通过多对象拾取实验发现,视觉语言动作策略在复杂环境下执行基本操作比遵循指令更可靠,表明技能获取与指令遵循脱节,需改进基准测试以更准确诊断泛化能力。
2026-02-27 cs.RO
Policy-Guided World Model Planning for Language-Conditioned Visual Navigation
Drexel University(德雷塞尔大学)
本文提出PiJEPA框架,结合学习导航策略与潜在世界模型规划,通过微调Octo策略和冻结预训练视觉编码器,提升语言指导下的视觉导航准确性与指令遵循性。
2026-03-26 cs.AI cs.CL cs.RO
Dual-Stream Memory for Vision-Language-Action Policies
Magiclab Robotics Inc.(魔法实验室机器人公司);University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
该研究针对依赖记忆的操纵任务,提出面向视觉-语言-动作策略的双流记忆,在16项RoboMME任务和4项真实机器人任务上均优于基准模型,验证了执行上下文与选择性视觉访问结合的有效性。
2026-10-12 cs.CV cs.RO
AnySlot: Goal-Conditioned Vision-Language-Action Policies for Zero-Shot Slot-Level Placement
Stony Brook University(石溪大学);Carnegie Mellon University(卡内基梅隆大学);MBZUAI;Peking University(北京大学)
提出AnySlot框架,通过将语言指令转化为空间视觉目标,解耦高层槽选择与低层执行,实现零样本槽级精确放置。
2026-05-29 cs.RO
CARE: Experience-Guided Atomic Corrective Execution for Vision-Language-Action Policies
Dalian University of Technology(大连理工大学)
针对VLA策略执行偏差问题,提出CARE框架,通过收集失败轨迹并建模偏差分布来生成纠正示范,结合3D监控触发原子调整,在模拟和真实任务中分别提升14.5和15.9个百分点成功率。
2026-09-22 cs.RO
Execution-Aware Pre-Execution Ranking for Grasp-Conditioned Robotic Placement
Deakin University(迪肯大学)
本文提出一种执行感知的预执行排序方法,通过结合点云和姿态描述符预测规划与执行成功,在机器人放置任务中显著提升端到端成功率。
2026-09-18 cs.RO
AeroWeaver: An Embodied-Agent Harness for Weaving Aerial Skills into Distributed, Adaptive Swarm Execution
Beihang University(北京航空航天大学)
AeroWeaver是一种具体化智能体框架,通过将无人机技能编织进协调的任务级行为,解决LLM智能体应用于无人机蜂群时的决策落地、全局-分布式协调和持续适应问题,实验验证了其有效性。
2026-09-17 cs.AI
TAO-Force: Unifying Force-Aware Perception and Fast-Slow Control for Contact-Rich Manipulation
China Mobile (Hangzhou) Information Technology Co., Ltd.(中国移动(杭州)信息技术有限公司)
TAO-Force提出力条件化VLA框架,通过F-FiLM融合力感知与接触门控快慢控制,解决接触丰富操作中视觉感知不足和位置控制不柔顺的问题,实验验证其有效性与鲁棒性。
2026-09-17 cs.RO
HIRE: History-Conditioned Interaction Reasoning and High-Rate Execution for Visually Aliased Precision Manipulation
MAIS, Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所多模态人工智能系统实验室);School of Artificial Intelligence, University of Chinese Academy of Sciences(中国科学院大学人工智能学院);Zhongguancun Academy(中关村学院);Noematrix;Shanghai Jiao Tong University(上海交通大学)
针对视觉混淆下精密操作的历史依赖问题,提出HIRE跨速率框架,结合历史条件推理器与高速执行器,在真实机器人任务中达到90%以上完成率。
2026-09-28 cs.RO
Attacca: Goal-Directed Control under State Continuity for Long-Horizon Embodied Agents
Nanyang Technological University(南洋理工大学)
针对长时程具身任务中目标不可见导致策略失效的问题,提出Attacca方法,通过上下文解耦目标采样、目标掩码预测和行为阶段条件化,在Minecraft任务中将成功率提升至基线1.7-7倍。
2026-10-07 cs.AI
A Brain-inspired Hierarchical Framework for Zero-Shot Robot Task Reasoning and Execution
University of Cambridge(剑桥大学);Massachusetts Institute of Technology(麻省理工学院);Hong Kong University of Science and Technology(香港科技大学);University of Oxford(牛津大学);Harvard University(哈佛大学)
提出一种受大脑启发的零样本分层框架,通过显式状态推理、原子动作组合、成本排序和闭环验证,在机器人任务推理与执行中超越现有基准。
2026-09-09 cs.RO
WorldOracle: Benchmarking Action-Conditioned World Models against Real-World Executions
AgiBot(智元机器人);NVIDIA(英伟达);Princeton University(普林斯顿大学);University of Texas at Austin(德克萨斯大学奥斯汀分校);University of Toronto(多伦多大学)
研究人员推出WorldOracle基准,通过四个维度评估动作条件世界模型,在含成功与失败执行的真实场景上测试7种模型,为推进操纵任务的动作条件世界建模提供系统基础并将发布相关资源。
2026-10-27 cs.CV cs.RO
LoHoRavens: A Long-Horizon Language-Conditioned Benchmark for Robotic Tabletop Manipulation
LMU Munich(慕尼黑大学);Munich Center for Machine Learning(慕尼黑机器学习中心);TUM(慕尼黑工业大学)
本工作发布了面向机器人桌面操作的长时序语言条件仿真基准LoHoRavens,并研究了字幕生成与可学习接口两种模态桥接基线方法,以评估并推动当前大模型在长时序操作任务上的发展。
2023-10-23 cs.CL cs.CV cs.RO
Affordance-Conditioned Decision Making: Bridging the Semantic-Spatial Gap in Zero-Shot Cross-Floor Vision-and-Language Navigation
针对零样本跨楼层视觉语言导航中语义规划与物理执行脱节的问题,提出PACE模块,通过可供性姿态条件化动作生成并引入失败感知偏好精炼,在R2R-CE和RxR-CE跨楼层子集上显著提升成功率,并验证了真实环境适用性。
2026-09-30 cs.AI cs.RO
Bi-MoDe: Bilateral Control-based Imitation Learning via Modifier-Conditioned Decoding for Modulation of Execution Speed and Contact Intensity
The University of Osaka(大阪大学);Kobe University(神户大学)
Bi-MoDe通过修饰符条件解码框架,在双边控制模仿学习中实现执行速度与接触强度的灵活调制,并在白板擦拭任务上验证了其有效性。
2026-09-16 cs.RO
CheckVLA: Execution-Time Verification with Action-Conditioned World Model for Long-Horizon Mobile Manipulation
CheckVLA 是基于动作条件世界模型的长 horizon 移动操作执行时验证方法,在 RoboCasa365 上其平均成功率比定期重规划提升 8.5 个百分点,且及时召回率显著优于仅观测及动作打乱的对照方法。
2026-07-30 cs.RO
ContactGuard: Pre-Contact Execution Monitoring with Action-Conditioned Latent World Models
College of Connected Computing, Vanderbilt University(范德堡大学连接计算学院);School of Computer Science, The University of Sydney(悉尼大学计算机学院);Australian Centre for Robotics, The University of Sydney(悉尼大学澳大利亚机器人中心)
ContactGuard是基于动作条件潜世界模型的接触前执行监控器,通过预测接触前动作的潜态后果判断是否失败,能准确预测接触型操纵任务失败,可迁移至真实机器人且无需修改底层策略。
2026-08-14 cs.AI cs.CV cs.RO
Streaming-WAM: Action-Conditioned World-Action Model for Asynchronous Robot Manipulation
SJTU(上海交通大学);SDU(山东大学);ECUST(华东理工大学);Li Auto Inc.(理想汽车公司)
Streaming-WAM通过将动作条件世界模型与异步控制结合,在推理时预测已承诺动作的影响,在LIBERO上达到98.35%成功率并大幅缩短回合时间。
2026-09-25 cs.RO
ReAP: From Visual Failure Recognition to Action-Conditioned Risk Prediction for Runtime Failure Monitoring
ACE Robotics(ACE机器人);Fudan University(复旦大学);Zhejiang University(浙江大学);PolyU(香港理工大学)
该研究针对通用机器人策略执行时的脆弱性问题,提出ReAP框架,结合视觉故障识别与动作条件故障预测,在仿真和真实世界实验中有效平衡了故障检测准确率与预警及时性。
2026-10-14 cs.RO
Looking Back to Move Forward: Temporal Verification for Generative Robot Policies
University of Illinois Chicago(伊利诺伊大学芝加哥分校);University of California, Los Angeles(加州大学洛杉矶分校)
提出时间验证(TeV)框架,通过时间令牌和能量验证器对生成式机器人策略的动作块进行时间一致排序与引导,提升任务成功率并产生更平滑轨迹。
2026-10-01 cs.RO
GT-VLA: Target-Conditioned Trace Guidance for Generalizable Robotic Manipulation
GT-VLA提出目标条件化轨迹引导框架,结合通用VLM常识与VLA控制,通过轨迹条件化动作生成提升机器人操作在未见任务和长时程场景中的泛化能力。
2026-09-29 cs.LG cs.RO
World Action Models in Real Time: An Empirical Study of Smooth Execution via Asynchronous Deployment
Motubrain Team(Motubrain团队)
本文针对世界动作模型推理延迟导致机器人执行不连续的问题,通过10Hz双机械臂机器人对比6种异步部署策略,发现前缀条件生成可在任务性能、速度与平滑度间实现最佳平衡,为高延迟世界动作模型的实时部署提供了指导。
2026-08-12 cs.RO
Plan-Conditioned Imitation for Robust Object Retrieval under Self-Occlusion in Dense Clutter
Indian Institute of Technology Bombay(印度理工学院孟买分校);Rutgers University(罗格斯大学)
针对密集杂乱场景中自遮挡下的物体抓取,提出基于计划条件模仿的TRACE框架,利用数字孪生和教师-学生机制,在模拟和真实机器人上均取得高成功率并显著减少执行时间。
2026-10-01 cs.RO
Phase-Conditioned Imitation Learning with Autonomous Failure Recovery for Robust Deformable Object Manipulation
Department of Robotics, Tohoku University(东大理学院机器人系);JC STEM Lab of Robotics for Soft Materials, the Department of Electrical and Computer Engineering, Faculty of Engineering, The University of Hong Kong(香港大学工程学院电气与计算机工程系软材料机器人实验室)
提出一种相位条件化、力感知的闭环分层框架,通过FiLM调节的ACT编码器和多模态相位预测器实现自主故障恢复,显著提升可变形物体操作的成功率。
2026-05-28 cs.RO
ChronoDreamer: Action-Conditioned World Model as an Online Simulator for Robotic Planning
University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
ChronoDreamer通过时空变换器和视觉-语言模型,实现基于动作的动态世界模型,用于机器人规划中的安全动作预测与碰撞检测。
2025-12-21 cs.AI cs.RO
CAPE: Contrastive Action-conditioned Parallel Encoding for Embodied Planning
提出CAPE框架,通过对比学习区分不同动作序列的未来结果,实现高效视觉动力学建模,在真实世界和零样本迁移任务中显著提升规划性能并降低推理成本。
2026-06-05 cs.RO
PartiGen: Part-Aware Representations for Language-Conditioned Humanoid Motion Generation
Fudan University(复旦大学);Shanghai Innovation Institute(上海创新研究院);Shanghai Jiaotong University(上海交通大学);Zhejiang University(浙江大学);Tongji University(同济大学);The Chinese University of Hong Kong(香港中文大学);Humanoid Robot (Shanghai) Co., Ltd.(人形机器人(上海)有限公司);Beihang University(北京航空航天大学)
PartiGen是融入解剖结构的部件感知潜在扩散框架,在HumanML3D重定向Unitree G1的实验中,其运动生成指标优于TextOp,且在真实机器人上执行成功率较高。
2026-11-06 cs.RO
Scalable Multi-Task Data Generation via Reinforcement Learning for Language-Conditioned Bimanual Dexterous Manipulation
TU Darmstadt(达姆施塔特工业大学);Honda Research Institute Europe GmbH(本田欧洲研究院有限公司);DFKI(德国人工智能研究中心)
提出基于强化学习的系统化数据生成流程,结合通用奖励设计、域随机化和语言条件任务标注,合成高质量双手灵巧操作数据集,训练语言条件多任务策略,提升跨任务泛化能力。
2026-06-23 cs.RO
Language-Conditioned Imitation Learning for Robot Manipulation Tasks
Arizona State University(亚利桑那州立大学);Intel AI Labs(英特尔人工智能实验室);Oregon State University(俄勒冈州立大学)
模仿学习是一种流行的机器人运动技能教学方法。然而,大多数方法集中于仅从执行跟踪提取策略参数(即,运动轨迹和感知数据)。人类专家和机器人之间没有足够的通信渠道来描述任务的关键方面,例如目标对象的属性或运动的预期形状。出于对人类教学过程的洞察,我们引入了一种将非结构化自然语言融入模仿学习的方法。在训练时,专家可以提供演示以及口头描述,以便描述潜在的意图(例如,“去大绿碗”)。然后,训练过程将这两种模式相互关联,以编码语言,感知和运动之间的相关性。由此产生的语言调节的可视化策略可以在运行时根据新的人类命令和指令进行调节,这允许对训练的策略进行更细粒度的控制,同时还减少了情景模糊性。我们在一组模拟实验中演示了我们的方法如何学习七自由度机器人手臂的语言条件操作策略,并将结果与各种替代方法进行比较。
2020-10-22 cs.CL cs.CV cs.LG
Keep the Effect, Drop the Actor: Programmable Effect-to-Execution World-Action Models
New York University Abu Dhabi(纽约大学阿布扎比分校);Chatsign Technology
本研究提出PEWAM模型,将机器人演示编译为效果程序,通过流匹配生成执行,实现可编辑、跨平台迁移,在多个基准上超越现有方法。
2026-10-05 cs.RO
When to Trust Imagination: Adaptive Action Execution for World Action Models
Southern University of Science and Technology(南方科技大学);The University of Hong Kong(香港大学)
本文提出FFDC和混合时间 horizon训练,通过预测-观察一致性实现自适应动作执行,提升机器人在复杂场景中的鲁棒性和效率。
2026-09-29 cs.AI cs.RO
AquaJEPA: An Action-Conditioned Multimodal JEPA Family for Underwater Robot Dynamics
ITMO University(ITMO大学)
该研究提出动作条件多模态预测模型AquaJEPA,在Stonefish环境中对比多种基线,经120个带计划DVL损失的配对环境实验,其闭环性能最优,配对最终误差显著优于多数基线。
2026-08-11 cs.RO
AeroBridge-TTA: Test-Time Adaptive Language-Conditioned Control for UAVs
University of Pennsylvania(宾夕法尼亚大学)
本文提出AeroBridge-TTA,通过测试时间适应解决UAVs在动态变化时的执行不匹配问题,采用语言编码器、自适应策略和在线更新的潜在空间模块,在多种任务中优于基线方法。
2026-04-21 cs.RO
Preference-Conditioned Reinforcement Learning for Space-Time Efficient Online 3D Bin Packing
Viterbi School of Engineering, University of Southern California(美国南加州大学维特比工程学院);Amazon Robotics(亚马逊机器人)
STEP方法通过偏好条件强化学习,在保持装箱密度的同时将操作时间减少44%。
2026-03-08 cs.RO
Instruction-Conditioned Motion Control for Robotic Arms: Language-to-Code Decomposition and Reinforcement Learning
Indiana University Bloomington(印第安纳大学伯明顿分校);University of Michigan(密歇根大学);Singapore Management University(新加坡管理大学)
该研究针对机械臂的语言驱动控制,提出ICMC方法,结合GRPO训练指令策略,引入独立评估协议,提升了任务正奖励率,实现了可复现的机器人控制评估。
2026-10-15 cs.AI cs.RO
ERRA: An Embodied Representation and Reasoning Architecture for Long-horizon Language-conditioned Manipulation Tasks
The Hong Kong University of Science and Technology(香港科技大学);HKUST Shenzhen-Hong Kong Collaborative Innovation Research Institute(香港科技大学深港协同创新研究院);Monash University(莫纳什大学)
本文提出具身学习架构ERRA,通过两个粒度级别的紧耦合概率推理,使机器人获得推理、规划和交互能力,以交互式分解并完成长时程语言条件操作任务,并成功泛化至新指令。
2023-04-05 cs.RO
DexFuture: Hierarchical Future-State Visuomotor Targeting for Bimanual Dexterous Tool Use
UC San Diego(圣迭戈大学)
提出DexFuture分层系统,通过高层未来状态视觉运动目标预测器和低层目标条件结构化灵巧策略,实现双手灵巧工具使用,达到90%的特权oracle性能,运行速度60Hz,比DexWM式CEM规划快约250倍。
2026-06-04 cs.RO
RAPAC-DP: Response-Aligned Pending-Action Compensation for Diffusion Policies under Delayed Execution
Zhejiang University(浙江大学);Midea Group(美的集团)
本文针对云端部署模仿学习策略的延迟问题,提出RAPAC-DP框架,通过编码待执行动作补偿延迟,在Kinetix和RoboMimic任务中取得良好性能,验证了该方法的有效性。
2026-10-26 cs.RO
ResCue: Residual Spatial Cueing for Language-Conditioned Imitation Learning
Tsinghua University(清华大学);Huawei Technologies Co., Ltd.(华为技术有限公司);National University of Singapore(新加坡国立大学)
提出SVP-IL解耦架构,通过视觉语言基础模型将指令解析为零样本几何掩码,生成空间视觉提示并注入连续动作生成器,在低数据条件下显著提升语言条件模仿学习的成功率。
2026-10-06 cs.RO
CommitFlow: Semantic Commitment Verification and Local Correction for Long-Horizon Robot Manipulation VLA Execution
National University of Defense Technology(国防科技大学)
CommitFlow提出闭环执行框架,通过语义承诺监控与局部修正解决VLA长时程任务中物理效果未达成即推进的问题,在RoboTwin 2.0上平均成功率提升22.7%。
2026-09-21 cs.RO
HarnessWAM: Bridging Prediction and Deliberation in World Action Models
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);School of Artificial Intelligence, University of Chinese Academy of Sciences(中国科学院大学人工智能学院);Yinwang Intelligent Technology Co., Ltd.(银湾智能科技有限公司);Beijing Institute of Technology(北京理工大学);Wuhan AI Research(武汉人工智能研究院)
针对世界动作模型的预测-审议差距,提出HarnessWAM框架,通过双时间尺度反馈环等机制,在两个基准数据集上取得最优任务成功率,扩展了WAMs的具身任务执行能力。
2026-10-14 cs.RO