搜索结果

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

通用价值模型要在机器人策略学习里承担「打分」的角色：从大规模、混合质量的数据中给出任务进度信号，既服务于在线强化学习，也用作离线数据过滤器。难点在于，准确的价值估计在数学上要求模型同时具备两种能力，用历史上下文锚定当前信念，并对未来结果做前瞻性规划。

Diffusion Policy：基于动作扩散的视觉运动策略学习，由Columbia/TRI发布（2023-03）。arXiv公开论文，可免费下载全文PDF，属于具身智能/机器人基础模型方向，适合做论文解读/产品发布解读类内容；具体结论以原文为准。

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。