搜索结果

arXiv论文 2401.02117：《Mobile ALOHA：低成本全身遥操作双臂移动操作》。公开摘要页与PDF可直下，用于补齐智能体/大模型/具身等技术子领域。

Pixel 是 CMU 团队（Tony Tao、Ruslan Salakhutdinov、Deepak Pathak 等）2026年11月2日提交 arXiv 的论文，提出用于学习通用移动操作的协同设计全栈机器人系统。系统包括人体对齐运动学和柔顺夹爪的低成本轮式人形机器人、多种遥操作与无需机器人的人类数据采集接口、统一的全身控制器，以及在人类与机器人示范间共用的策略学习流程；分层学习栈支持语言条件控制与长时程任务。作者展示了需要灵巧操作、主动感知、导航与全身协调的移动操作行为。

ODE Policy 是2026年11月1日提交 arXiv 的机器人学习论文，主张学习动作的动力学而非动作本身。方法用神经常微分方程（ODE）学习动作的向量场，部署时每个动作由上一个动作积分得到，因此轨迹天然连续；另用轻量多样性头捕捉多模态行为。作者把它用作视觉运动策略、VLA 与世界动作模型的动作头以及基于模型的强化学习的执行器，在单臂、双臂、灵巧手、行走和移动操作任务上与14个基线比较。