-
(HN 609 分,本期最高分)。DeepMind 发布 Gemini Robotics 2,核心卖点是全身智能(whole body intelligence)。这是一个重要的范式移动:此前 VLA 主流仍以"视觉-语言-末端执行器动作"为主,把机器人简化为一条手臂;而全身智能意味着模型需要统筹移动底盘、躯干、双臂与平衡,动作空间和时序耦合复杂度大幅上升。609 分的 HN 热度也印证了具身智能已成为本轮 AI 的主叙事之一。
-
直击视觉模仿学习的老大难——策略对视觉"干扰项"极度脆弱,光照、背景干扰、颜色的轻微变化就能让性能崩塌。通常做法是加数据多样性,但没人知道该加哪些示教。该文提出用反事实动作敏感度覆盖来指导数据采集,把"多采数据"变成"精准采数据",对真机数据成本极高的团队非常实际。
-
研究物体边界框、语言动作描述、末端执行器轨迹等行为对齐表征在跨本体迁移中的作用。大规模模仿学习虽已跨多种本体收集数据,但真正的跨本体迁移仍然困难,这类中间表征是当前最有希望的桥梁。
-
手术机器人部署的安全阀。失败数据稀缺、操作高度可变,导致失败检测难做;该文用流匹配世界模型来建模。世界模型作为"运行时监控器"而非"规划器",是一个被低估的方向。
-
手术机器人仿真需要同时建模刚性器械、软组织与流体,此前多数工作只单独仿真缝线或软组织。该文做完整的软组织缝合场景,服务于强化学习训练。
-
辅助博弈中人知道目标、机器人需推断,在线求最优策略通常要解 POMDP 因而不可行。该文找出一类可用"语用-教学最佳响应"一轮求解的辅助博弈,是可纠正性(corrigibility)从哲学讨论走向可计算的一步。
-
免训练的湿实验室 agent 经验演化框架,内层做状态接地的感知/规划/安全校验,外层把完成的轨迹蒸馏成可复用的技能、策略与安全经验。"经验即记忆"的 agent 架构在真实实验室场景的落地样本。
-
(把机械臂避障骨架跨本体迁移到无人机中继编队)与 Vision-Language-Enabled UAV Triage(VLM 灾害响应的系统工程框架),均属具身智能向应急场景的外溢。