搜索结果

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

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。

强化学习要真正用在现实系统里，绕不开一个前提：数据从哪来。常规做法是让智能体在环境中反复试错、主动采集数据，而这份 UC Berkeley EECS 的博士论文要回答的，正是能否去掉这个前提——只给定一份固定的静态数据集、不与环境交互，还能不能学到可用的策略。

接触丰富操作（contact-rich manipulation）的难点，材料说得很直接：机器人必须考虑与周围环境建立接触或断开接触的多种组合可能性。这个组合数量会随着接触点的增加迅速膨胀，于是现有方法常常退回两条老路——要么把问题写成组合优化、利用动力学结构去解，要么干脆把它交给黑盒强化学习。

在VLA中引入“RL token”，通过编码器和解码器从VLA内部特征中提取紧凑表示。；用该表示训练轻量级的actor-critic网络，进行样本高效的在线强化学习。；只需几小时甚至几分钟的机器人经验，就能微调拧螺丝、扎线带、插网线等高精度任务。

仿真到现实强化学习技术的开发、部署及其在能源系统中的应用

基于模型强化学习中预测与控制的协同

基于学习安全集的安全强化学习

面向足式运动的生成式隐空间运动规划与强化学习