机器人 / 具身智能

AutoFocus-IL: VLM-based Saliency Maps for Data-Efficient Visual Imitation Learning without Extra Human Annotations

AutoFocus-IL：基于视觉语言模型的数据高效视觉模仿学习中的显著性图

Litian Gong, Fatemeh Bahrani, Yutai Zhou, Amin Banayeeanzade, Jiachen Li, Erdem Bıyık

机构 * Department of Electrical and Computer Engineering, University of California, Riverside, USA（电气与计算机工程系，加州大学河滨分校） ； Thomas Lord Department of Computer Science, University of Southern California, USA（汤姆斯·劳德计算机科学系，南加州大学） 纠错

专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.RO、cs.CV

AI总结 AutoFocus-IL通过视觉语言模型自动生成显著性图，提升视觉模仿学习的数据效率和泛化能力，无需额外人类标注。

Comments 8 pages, 6 figures. Code and datasets available at http://autofocus-il.github.io/

Discover, Learn, and Reinforce: Scaling Vision-Language-Action Pretraining with Diverse RL-Generated Trajectories

发现、学习与强化：通过多样化强化学习生成轨迹扩展视觉-语言-动作预训练

Rushuai Yang, Zhiyuan Feng, Tianxiang Zhang, Kaixin Wang, Chuheng Zhang, Li Zhao, Xiu Su, Yi Chen, Jiang Bian

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Tsinghua University（清华大学） ； Wuhan University（武汉大学） ； Central South University（中南大学） ； Microsoft Research（微软研究院） 纠错

专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出DLR框架，通过多样化强化学习生成轨迹，提升VLA预训练的多样性和扩展性，实现更广泛的状态-动作空间覆盖。

Energy Costs and Neural Complexity Evolution in Changing Environments

能量成本与神经复杂性在变化环境中的演变

Sian Heesom-Green, Jonathan Shock, Geoff Nitschke

机构 * University of Cape Town（开普敦大学） ； INRS Montreal（蒙特利尔INRS） ； NiTheCS 纠错

专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.AI

AI总结 本研究通过演进人工神经网络探讨环境变化和能量成本如何影响神经复杂性进化，发现高季节性环境限制大脑大小，支持昂贵大脑假说。

Comments Presented at ALIFE 2025, proceedings forthcoming (MIT Press)