世界模型

SplitAdapter: Load-Aware Humanoid Loco-Manipulation via Factorized Adaptation

SplitAdapter: 通过因子化自适应的负载感知人形机器人移动操作

Jeonguk Kang, Hanbyel Cho, Sanghyun Kang, Donghan Koo

机构 * Future Robot AI Group, Samsung Electronics（三星电子未来机器人人工智能组） 纠错

专题命中 具身与机器人 ：world-model(abstract)；world-model(abstract)；分类 cs.RO

AI总结 针对人形机器人在不同负载和高度下移动操作时负载变化与动力学不匹配的问题，提出SplitAdapter方法，通过冻结预训练策略并扩展负载与动力学感知编码器，结合分割世界模型目标、GRL交叉对抗正则化和分层特征线性调制，显著提升重载条件下的任务成功率。

Latent Activation Editing: Inference-Time Refinement of Learned Policies for Safer Multirobot Navigation

潜在激活编辑：基于推理时策略精炼的安全多机器人导航

Satyajeet Das, Darren Chiu, Zhehui Huang, Lars Lindemann, Gaurav S. Sukhatme

机构 * Department of Computer Science, University of Southern California（南加州大学计算机科学系） ； Automatic Control Laboratory, ETH Zürich（苏黎世联邦理工学院自动控制实验室） 纠错

专题命中 具身与机器人 ：world model(abstract)；world model(abstract)；分类 cs.RO

AI总结 提出潜在激活编辑（LAE）框架，通过在推理时在线检测并编辑中间激活，在不修改权重或架构的情况下降低预训练策略的碰撞率，在四旋翼导航中实现近90%的碰撞减少。