2026 年 11 月 14 日 · 星期六物理AI · 每日要闻每天 08:00 出刊
看懂日报 · 2026 年 11 月 14 日 · 星期六
kandong
第 38 期142026 年 11 月星期六
十一月本月 18 期
一二三四五六日
4件大事2个来源0件一手发布约 2 分钟读完
头条
Ropedia Xperience 2:物理 AI 环境与行为扩展的金标准
Ropedia Xperience 2 是一个包含 1,589 个米级 3D 扫描和 4,230 段第一人称视角录制(涵盖 74 项任务,共 131 小时)的数据集。
具身智能
BlinkMimic:基于世界模型与 Muon 更新的快速人形运动跟踪训练方法
针对传统全身运动跟踪策略训练耗时长的痛点,本文提出 BlinkMimic 配方,结合从并行仿真学习的世界模型回传梯度、Muon 更新机制以及残差策略等技术。
UAV-Flow++:统一的语言引导无人机飞行评测与学习套件
针对语言引导无人机导航长期侧重长程规划而忽视短距物体相对飞行的空白,该工作提出 Flying-on-a-Word 任务及 UAV-Flow 数据集,包含 30,692 条真实专家轨迹和 10,109 条仿真轨迹。团队开发 FlowVLA 模型,利用 Tail-Aware GRPO 方法进行在线后训练,在仿真基准上平均成功率达 93.16%,并在室内外实物场景中验证了物体相对指令的稳健执行能力。
世界模型与仿真
Actor, Judge, or Teacher? 理解长视界智能体中的决策模型
论文研究了决策模型在长视界智能体中作为行动者、裁判者和教师的三种角色。实验发现,即使模型在执行任务时表现不佳,只要能在回合结束后准确评估动作后果,就能有效区分有用与无效的动作。作为教师,JEV 模型利用这种能力将 Qwen2.5-1.5B 策略在 ALFWorld 和 WebShop 上的成功率分别提升至 82.9% 和 71.4%。代码已开源。
快讯
- DUNE:在不损失预测性能的前提下解耦多语义神经元arXiv · 机器人与计算机视觉
- SALA:语义对齐的潜在动作赋能具身基础模型的双轴扩展arXiv · 机器人与计算机视觉
- GraSLA:一种以抓取假设为几何先验的轻量级空间语言动作模型arXiv · 机器人与计算机视觉
- 策略库 CBF:通过并行回滚实现运行时有限视界安全arXiv · 机器人与计算机视觉
- SAGES 关键安全视角挑战:AI 辅助手术质量评估的全球基准arXiv · 机器人与计算机视觉
- 扩散模型如何记忆:文本到图像潜在扩散模型的复现机制数学分析arXiv · 机器人与计算机视觉
- Instant NuRec:面向驾驶场景仿真的前馈式 3D 高斯重建模型arXiv · 机器人与计算机视觉
- AFTER:一种用于错误驱动保留的具有自适应快慢时间尺度的世界模型arXiv · 机器人与计算机视觉
- 两步思考:利用自 grounding 验证缓解 MLLM 一致性偏差arXiv · 机器人与计算机视觉
- The Value of Thinking: Learning When to Reason in Hybrid Decision ModelsHugging Face Daily Papers