机器人 / 具身智能

Physics Filtering Favors the Generalization of Robot Learning

物理滤波有利于机器人学习的泛化

Jindou Jia, Shixuan Han, Meng Wang, Gen Li, Zihan Yang, Sicheng Zhou, Kexin Guo, Jianfei Yang, Xiang Yu, Wei Wang, Lei Guo

机构 * Nanyang Technological University（南洋理工大学） ； Beihang University（北京航空航天大学） ； National University of Singapore（新加坡国立大学） ； Beijing Aerospace Control Instrument Research Institute（北京航天测控仪器研究所） 纠错

专题命中 机器人学习 ：robot learning(title)；robotics(abstract,comments)；robotic(abstract)；分类 cs.RO

AI总结 该研究提出轻量、模型无关的 PhyFilter 反馈机制，无需海量训练数据，即可提升机器人在动态不确定性下的泛化能力，在四类机器人系统上验证了其有效性。

Comments Accepted by npj Robotics

On the Capability Separation Between World-Model Policy Learning and Imitated World-Action Models

世界模型策略学习与模仿世界-动作模型之间的能力分离

Yang Yu

机构 * Nanjing University（南京大学） 纠错

专题命中 机器人学习 ：world model(abstract)；分类 cs.LG

AI总结 该研究对比了直接行为克隆策略等三类策略，明确世界-动作模型学习与直接行为克隆的能力差异，指出观测演示无法识别动作效果，干预可实现零遗憾值。

A Latency-Aware Framework for Visuomotor Policy Learning on Industrial Robots

面向工业机器人视觉-运动策略学习的延迟感知框架

Daniel Ruan (1), Salma Mozaffari (1), Sigrid Adriaenssens (1), Arash Adel (1) ((1) Princeton University)

机构 * Princeton University（普林斯顿大学） 纠错

专题命中 机器人学习 ：robotic(abstract)；分类 cs.RO

AI总结 本文提出了一种面向工业机器人视觉-运动策略学习的延迟感知框架，通过优化执行策略以应对延迟问题，提升策略在现实环境中的可靠性和稳定性。