机器人 / 具身智能

Robot-R1: Reinforcement Learning for Enhanced Embodied Reasoning in Robotics

Robot-R1: 通过强化学习提升机器人中的具身推理

Dongyoung Kim, Sumin Park, Huiwon Jang, Jinwoo Shin, Jaehyung Kim, Younggyo Seo

机构 * KAIST（韩国科学技术院） ； Yonsei University（延世大学） ； UC Berkeley（加州大学伯克利分校） ； RLWRLD 纠错

专题命中 具身推理 ：robotics(title,abstract)；分类 cs.RO、cs.AI

AI总结 Robot-R1通过强化学习提升机器人中的具身推理，优于SFT方法并超越GPT-4o在低级动作控制推理任务中

Comments NeurIPS 2025

Action Shapley: A Training Data Selection Metric for World Model in Reinforcement Learning

动作夏普利：用于强化学习世界模型的训练数据选择度量

Rajat Ghosh, Debojyoti Dutta

机构 * Nutanix Inc.（Nutanix公司） 纠错

专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG

AI总结 本文提出动作夏普利度量，用于高效选择强化学习世界模型的训练数据，通过随机动态算法提升计算效率并改进数据选择性能。

AIE4ML: An End-to-End Framework for Compiling Neural Networks for the Next Generation of AMD AI Engines

AIE4ML：一个端到端框架，用于为下一代AMD AI引擎编译神经网络

Dimitrios Danopoulos, Enrico Lupi, Chang Sun, Sebastian Dittmeier, Michael Kagan, Vladimir Loncar, Maurizio Pierini

机构 * Institute of Physics Belgrade, Serbia（塞尔维亚贝尔格莱物理研究所） ； Physikalisches Institut, Heidelberg University, Germany（德国海德堡大学物理研究所） ； SLAC National Accelerator Laboratory, Menlo Park, CA, USA（美国Menlo Park加州SLAC国家加速器实验室） 纠错

专题命中 具身推理 ：world model(abstract)；分类 cs.LG

AI总结 AIE4ML是一个端到端框架，用于将AI模型自动转换为优化的固件，以在AMD AIE-ML设备上实现高效神经网络执行，同时支持向前兼容新架构，提供高效率和低延迟性能。