机器人 / 具身智能

GrndCtrl: Grounding World Models via Self-Supervised Reward Alignment

GrndCtrl: 通过自监督奖励对齐实现世界模型的 grounding

Haoyang He, Jay Patrikar, Dong-Ki Kim, Max Smith, Daniel McGann, Ali-akbar Agha-mohammadi, Shayegan Omidshafiei, Sebastian Scherer

专题命中 模仿学习与强化学习 ：world model(title,abstract)；navigation(abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 GrndCtrl通过自监督奖励对齐提升世界模型的几何 grounding，实现更稳定的空间一致性与导航性能。

A Review of Online Diffusion Policy RL Algorithms for Scalable Robotic Control

在线扩散策略强化学习算法综述：可扩展机器人控制

Wonhyeok Choi, Shutong Ding, Minwoo Choi, Jungwan Woo, Kyumin Hwang, Jaeyeul Kim, Ye Shi, Sunghoon Im

机构 * Daegu Gyeongbuk Institute of Science and Technology（大邱庆尚科学技术院） ； ShanghaiTech University（上海科技大学） 纠错

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

AI总结 本文综述了在线扩散策略强化学习算法，分析了其在可扩展机器人控制中的性能、挑战及未来发展方向。

WorldCompass: Reinforcement Learning for Long-Horizon World Models

WorldCompass：用于长周期世界模型的强化学习

Zehan Wang, Tengfei Wang, Haiyu Zhang, Xuhui Zuo, Junta Wu, Haoyuan Wang, Wenqiang Sun, Zhenwei Wang, Chenjie Cao, Hengshuang Zhao, Chunchao Guo, Zhou Zhao

机构 * Zhejiang University（浙江大学） ； Tencent Hunyuan（腾讯混元） ； The University of Hong Kong（香港大学） 纠错

专题命中 模仿学习与强化学习 ：world model(title,abstract)；分类 cs.CV

AI总结 WorldCompass通过三种创新提升长周期世界模型的交互准确性和视觉保真度。

Comments Project page: \url{https://3d-models.hunyuan.tencent.com/world/}

Knowledge-Centric Metacognitive Learning

以知识为中心的元认知学习

Arun Kumar, Paul Schrater

机构 * Dept. of Computer Science University of Minnesota, Twin Cities（计算机科学系明尼苏达大学双城分校） ； Depts. of Computer Science and Psychology University of Minnesota, Twin Cities（计算机科学与心理学系明尼苏达大学双城分校） 纠错

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

AI总结 本文提出了一种以知识为中心的元认知学习框架，通过自然抽象、知识引导交互和交互组合来提升人工智能系统的智能和适应性行为能力。

Learning in Context, Guided by Choice: A Reward-Free Paradigm for Reinforcement Learning with Transformers

在情境中学习，由选择引导：一种无奖励的强化学习与Transformer的范式

Juncheng Dong, Bowen He, Moyang Guo, Ethan X. Fang, Zhuoran Yang, Vahid Tarokh

机构 * Department of Electrical and Computer Engineering, Duke University, Durham, US（电子工程系，杜克大学，达勒姆，美国） ； Department of Computer Science, Duke University, Durham, US（计算机科学系，杜克大学，达勒姆，美国） ； Department of Biostatistics and Bioinformatics, Duke University, Durham, US（生物统计学与生物信息学系，杜克大学，达勒姆，美国） ； Department of Statistics and Data Science, Yale University, New Haven, US（统计学与数据科学系，耶鲁大学，纽 Haven，美国） 纠错

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

AI总结 本文提出ICPRL范式，通过仅使用偏好反馈实现无奖励的强化学习，适用于奖励难以获取的场景，实验显示其在连续控制等任务中性能接近传统ICRL方法。