全部资料

中期训练语料约 30,110 小时、22 个机器人平台，真实与仿真比例约 84:16；四步蒸馏后官方测得约 10.1 FPS，最长展示约 105 秒的连贯回滚；在 WorldSimProbe 上对五个开源动作条件世界模型领先五项中的四项，均分 66.6；EWMBench 总分 6.09；八个不同水平的 OpenVLA-OFT 策略在 PrimeSim 与 LIBERO 物理模拟器中的成功率 Spearman ρ=1.00、Pearson r=0.99；在 PrimeSim 内做 200 步 GRPO 后，策略在物理模拟器中的成功率从 61.7% 升至 73.2%；作者称将发布权重与代码

策略 Transformer 在 V-JEPA 2.1 特征空间中从头训练；推理时只生成动作，未来特征预测仅用于训练；无具身预训练设定下，La-JEPA L 在校正指令的 LIBERO-Plus 上成功率为 88.0%（发布指令为 84.1%），LIBERO 为 98.1%；RoboTwin 2.0（仅用干净演示训练）上，La-JEPA B 干净场景 86.2%、随机场景 35.4%、均值 60.8%（三种子平均值）；作者称在相当或更好的性能下，优化后的推理可比 Fast-WAM 快最多约 5 倍；四个真实 Franka 桌面任务平均成功 17.50/20，与具身预训练的 π0.5（17.25/20）相当；代码位于 github.com/mt-clemente/lajepa

动机：现有潜动作常纠缠外观变化，限制跨本体；方法：复用视频扩散模型提取紧凑潜动作；目标：执行一致、外观/本体更不变；提交日期 2026-11-03（cs 相关）

数据：23 个数据集、12 本体、约 15022 视频小时；模型规模 22M–8B；称迄今最大 JEPA predictor；想象误差呈二阶幂律，可外推至 4B/8B；代码与 checkpoint：github.com/facebookresearch/robo_jepa

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。

这份资料围绕具身AI中的一个基础矛盾展开：具身智能体的视觉观测会随视角、光照和遮挡不断变化，但物体的身份并不因此改变。它要回答的是，如何让具身感知在这种持续变化的观测条件下仍然保持对物体身份的稳定判断。

大模型推理正越来越多地进入对延迟敏感、对成本敏感的场景，而自回归解码的串行本质始终是横在效率面前的一道硬约束：每生成一个 token 都要走一次完整的前向，步数无法压缩。投机解码被提出，正是为了打破这道约束，把串行的逐 token 生成，换成某种可以并行处理的形态。

大模型能力在近几年大幅提升，随之而来的问题不再是它能不能完成任务，而是我们能不能让它在完成任务时按预期行事。这份博士论文开篇就把这一点讲得很直白：能力越强，对输出施加控制的能力就越重要。

深度学习在人工智能的许多应用里进展惊人，可一旦落到机器人身上，效果常常不如预期。这份博士论文要回答的正是这个问题：为什么在真实世界里，机器人难以像在数据集上那样稳定工作，又可以从哪里入手改进。

机器人操作研究要回答的，是机械臂能否在真实产线上稳定完成复杂而精确的任务。这份 UC Berkeley EECS 的博士论文把问题收窄了一步：为什么效率与可靠性总是难以兼得，以及能否通过算法层面的组合把两者同时抓住。