机器人与具身智能

PrimeSim 从预训练视频生成模型出发，在约 30,110 小时、22 个机器人平台的示范上中期训练，再经因果蒸馏与自回滚训练，成为动作条件、多视角的机器人世界模拟器；作者报告 10.1 FPS，并在 WorldSimProbe 五项中…

华为与多伦多大学、麦吉尔、Mila 等提出 La-JEPA：在预训练 V-JEPA 2.1 特征空间中从头训练紧凑世界-动作策略。在无具身预训练的策略中，于 RoboTwin 2.0 与校正指令后的 LIBERO-Plus 取得当时最强结果…

提出 DreamX：复用预训练视频扩散模型提取紧凑潜动作，使动作表征在执行间一致、对本体与外观变化更不变，以改善跨本体迁移。

在 12 种本体、约 1.5 万视频小时数据上训练 JEPA 世界模型至 8B；想象误差服从二阶幂律并可外推；规划成功率随算力可预期提升；开源权重与部署代码。

在 LeRobot 平台上对视觉触觉 RGB、深度/法向、marker-flow 做对照：720 次真机试验显示加入触觉使总成功率 57.8%→78.9%；单线索中 marker-flow 达 74.4%，对已建立接触后的调控尤其重要。

指出具身智能体的视觉观测随视角、光照、遮挡不断变化，但物体身份不变。

指出深度学习用于机器人时，难以处理真实世界物体长尾多样性带来的歧义。

指出机器人抓取等技术已改变物流和制造自动化。

聚焦机器人学的核心数据单元——复杂、多模态的时间序列轨迹数据。

指出传统机器人学假设机器人和物体是刚体，而现实世界常常不满足。

关注自动驾驶汽车和无人机等机器人系统进入现实世界后的安全问题。

探索用深度强化学习实现可扩展的真实世界学习型机器人。