★ 3
OmniBrain-0 发布：轻量统一具身智能体模型
arXiv 论文提出 OmniBrain-0，一个轻量级统一具身智能体，用共享高层决策模型协调操作与导航，整合任务理解、规划、进度跟踪与失败恢复。训练采用具身预训练、领域专家蒸馏与多教师在线策略蒸馏（MOPD），并提出 Rubric 引导的递归自我改进（RSI）数据飞轮。在 LIBERO-Pro、…
arXiv NLP5 天前
#机器人操作
共 12 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
Recursia：共享可执行栈自改进实现机器人长程操作
论文提出 Recursia 框架，把共享可执行栈而非单个任务程序作为持续改进单元，整合工具、带执行契约的技能、交接与验证器。系统依据执行轨迹定位失败并生成缺失工具或修复，经通用性检查与回归门控后冻结复用。在 LIBERO-Pro Long 仿真中较 ASPIRE 提升 5.8 至 15.1 个百分…
arXiv cs.AI13 天前
★ 3
世界模型策略仲裁器用于目标条件强化学习
论文提出世界模型策略仲裁器（WMPA），在测试时把一组冻结的目标条件策略作为组合，在学习到的状态空间世界模型中推演各策略未来，用共享价值函数评分并短周期执行最优策略。在 OGBench 18 个数据集上把宏平均成功率从 44% 提升到 58%。
arXiv cs.LG24 天前
★ 3
Keyframe Mnemonics：自监督关键帧发现提升长程行为克隆
论文提出 Keyframe Mnemonics 自监督方法，通过从随机采样的历史观测中学习目标来发现信息关键帧，并以此训练行为克隆策略。该方法在合成记忆域达 100% 成功率，在 23 项机器人操作任务上平均绝对成功率提升 13.9%，并在真实机器人上以 20 倍更长视野保持 80% 成功率。
arXiv cs.AI24 天前
★ 3
机器人操作策略从混合质量部署经验中学习
论文针对机器人策略部署后积累的混合质量经验（成功、部分进展、失败），提出预测式动作块学习（PACL）。PACL 学习块级预测评论家，将 Q 值转为离散质量条件，引导扩散演员从混合质量经验中联合学习。在仿真与真实机器人操作任务上持续优于模仿学习和离线强化学习基线。
arXiv cs.LG38 天前
★ 3
Uni-LaDiR：潜扩散统一多模态推理
论文提出 Uni-LaDiR 框架，将不同模态的推理步骤映射到共享潜空间中的统一思维 token，并用扩散模型预测下一块思维 token。编码器与扩散推理器共享权重联合训练，使思维 token 既对任务有用又可由上下文预测，推理时无需教师观测即可生成。在 11 个视觉语言模型基准与 2 个视觉-语…
arXiv cs.LG45 天前
★ 3
REVERSAL-BENCH：衡量无重置强化学习可逆性悬崖
论文提出REVERSAL-BENCH基准，通过连续参数ρ控制可逆性并提供重置预言机，在五个物理引擎的八个操作场景中测试状态可恢复性。实验揭示明显的可逆性悬崖：随ρ升高，无重置智能体持续陷入不可恢复状态，而分幕智能体保持稳定学习。研究还评估了在不可逆失败前干预的安全盾。
arXiv cs.LG46 天前
★ 3
面向分块VLA模型的时频几何交叉注意力
视觉-语言-动作（VLA）策略通常一次前向预测整段动作，但动作块作为多变量轨迹，其频率结构与跨相位几何关系未被现有token表示充分建模。论文提出TFGCA模块，用可学习平稳小波变换分解动作块为时频token，并以融合点积与楔积幅值的交叉注意力检索信息。该模块可即插即用微调，在LIBERO、LIB…
arXiv cs.AI53 天前
★ 2
研究提出相对动作信用学习帮助 PPO 逃离局部最优
arXiv 论文将 PPO 在长时程接触密集任务上的停滞归因于状态价值评论家缺乏动作区分能力。作者为 PPO 增加动作条件价值评论家，可在同一状态比较已执行动作与采样替代动作，并结合广义优势估计与探索噪声约束。实验显示扩展算法能在同等探索下完成 PPO 失败的精确插销任务。
arXiv cs.LG3 天前
★ 2
OGPO：可恢复 VLA 模型的离线目标条件策略优化
研究者提出 OGPO 框架，将视觉-语言-动作模型的后训练从轨迹级动作模仿转向关键状态可达性学习，通过语义关键状态重标注与目标条件过程奖励提升恢复能力。在 LIBERO 与 MetaWorld 上持续优于监督微调，并在扰动基准 LIBERO-ReAct 上展现更强鲁棒性。
arXiv cs.AI21 天前
★ 2
VLA 潜在接口的层级选择之谜
论文研究视觉-语言-动作（VLA）策略中，冻结主干网络应向动作头暴露哪些层的问题。在三个预训练模型与 LIBERO、CALVIN 两个操作基准上，54 种配置中有 47 种多层融合方案不如最佳单层策略。作者提出以 InfoNCE 分数作为层质量代理，选层所需 GPU 算力比穷举策略扫描少 9-33…
arXiv cs.AI33 天前
★ 2
REVERSAL-BENCH：无重置强化学习的可逆性基准
研究提出 REVERSAL-BENCH，通过连续参数 ρ 控制环境可逆性，并提供重置预言机以验证状态可恢复性。该基准覆盖五种物理引擎下的八种操作任务，旨在量化自主强化学习在不可逆真实场景中的性能悬崖。
Apple Machine Learning Research46 天前