机器人 / 具身智能

Bridging Teacher Expectations and Robot Learning via Coupling Dynamics

通过耦合动力学弥合教师期望与机器人学习之间的差距

Evan Dallas, Sean Dallas, Wing-Yue Geoffrey Louie

机构 * Oakland University（奥克兰大学） 纠错

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

AI总结 本文提出一种基于耦合动力学的人机教学交互分类量表，应用于相关文献以探究耦合动力学与教师心智模型不匹配对教学有效性及人类感知的影响。

Comments 8 pages, 1 figure

A Robust Task-Level Control Architecture for Learned Dynamical Systems

用于学习动力系统的鲁棒任务级控制架构

Eshika Pathak, Ahmed Aboudonia, Sandeep Banik, Naira Hovakimyan

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 针对基于动力系统的示教学习存在的任务执行不匹配问题，提出L1增强动力系统架构，结合标称稳定控制器、L1自适应控制器与窗口DTW目标选择器，在LASA和IROS手写数据集上验证了其跟踪性能。

Comments Accepted to the 8th Annual Learning for Dynamics & Control Conference (L4DC 2026)

GlanceWAM: Sparse Test-Time Imagination for World-Action Models

GlanceWAM：面向世界-动作模型的稀疏测试时想象方法

Linhan Wang, Zijian An, Mingyuan Zhang, Chen Dai, Yi Xu, Can Cui, Zichong Yang, Yinlin Chen, Lifeng Zhou, Chang-Tien Lu

机构 * Virginia Tech（弗吉尼亚理工大学） ； Drexel University（卓克索大学） ； Northeastern University（东北大学） ； Purdue University（普渡大学） 纠错

专题命中 机器人学习 ：robot learning(abstract)；分类 cs.CV

AI总结 该研究提出GlanceWAM，通过异步解耦视频DiT的想象与控制，打破世界-动作模型的速度-成功率困境，在RoboCasa、LIBERO基准测试中表现优异，推理速度达48ms/块。