PWM:基于在线强化学习的个性化世界模型
针对预训练世界模型难以适配特定用户视频场景的问题,论文提出 PWM 框架,通过在线强化学习(GRPO)或扩散优化(DiffusionNFT)从短视频中定制交互式世界模型。
推荐理由:提出 PWM 框架,利用在线强化学习从短视频定制交互式世界模型,在保持生成质量的同时实现场景个性化。
内容形态
四领域论文、技术报告与研究解释,明确预印本、投稿、接收和出版状态。
1,994 条精选近 30 天 1,302 条共收录 10,555 条
针对预训练世界模型难以适配特定用户视频场景的问题,论文提出 PWM 框架,通过在线强化学习(GRPO)或扩散优化(DiffusionNFT)从短视频中定制交互式世界模型。
推荐理由:提出 PWM 框架,利用在线强化学习从短视频定制交互式世界模型,在保持生成质量的同时实现场景个性化。
针对世界动作模型(WAMs)预测结果可能与输入动作不一致的问题,本文提出$R^2$-WAM框架。该方法包含两阶段:首先利用运动学对齐分数将预测视频与机器人演示行为进行运动学对齐,确保预测未来忠实反映输入动作;随后比较采样动作与演示动作的想象结果,对任务进度低于参考基准的样本应用负向微调。
推荐理由:提出$R^2$-WAM框架,通过运动学对齐修复预测视频并拒绝低质量样本进行负向微调,在RoboTwin 2.0上平均成功率达93.8%。
针对凸刚体避障问题,现有方法常依赖微分优化计算梯度带来开销。本文提出 GJK-CBF,利用 Gilbert-Johnson-Keerthi 算法获取见证点对并直接构建梯度,无需微分优化。该方法适用于 2D 和 3D 环境中的各类凸刚体对(至少一方严格凸),已在多机器人位置交换、三维垂直狭缝导航及机械臂操作等场景验证,实现了无碰撞运动并降低了几何近似带来的保守性。
推荐理由:提出 GJK-CBF 方法,利用 GJK 算法直接构建凸刚体避障控制屏障函数梯度,避免微分优化开销,在 2D/3D 多场景验证了无碰撞运动。
针对反光表面导致外观不稳定的问题,该方法利用光场技术将反射视为姿态线索而非噪声。系统每帧恢复深度并反投影为点云,估计法线后将物体外观分解为漫射反照率和环境图,构建可重光照的表面光场。
推荐理由:提出基于光场的反射鲁棒 6DoF 跟踪方法,将镜面反射转化为姿态线索,在完全反光物体上优于现有基线。
该论文提出了 DriftSR 框架,旨在解决现实世界图像超分辨率(Real-ISR)中依赖分数蒸馏或对抗学习导致优化繁琐的问题。该方法在预训练扩散模型的冻结中间表示空间内进行分布漂移,无需引入额外的任务特定特征编码器。通过引入空间特征漂移和结构调制引导,DriftSR 仅优化一步生成器即可实现高质量重建。实验在三个现实世界基准上验证了其高效性与高画质。
推荐理由:提出 DriftSR 框架,在冻结预训练扩散模型中间表示空间进行分布漂移,仅需一步生成器优化即可实现高质量现实图像超分辨率。
针对基于分割的解释方法(如 LIME)仅返回单一解释且受分割方式限制的问题,本文提出了 MOXIE 进化框架。该框架搜索能保持分类器置信度同时最小化图像区域的分割子集,返回从紧凑到高保真的帕累托前沿。在 BloodMNIST 和 HAM10000 数据集上的评估显示,MOXIE 的超体积优于 LIME,且揭示了单一解释可能误导模型决策的事实。
推荐理由:该工作提出进化框架以寻找模型决策的多种替代解释,揭示单一解释可能掩盖的关键事实。
论文提出了 Lollypop 参考目标,通过耦合 ArUco 标识符与动作捕捉标记星座,使视觉中心与追踪质心代表同一物理点,从而独立验证相机与动作捕捉系统的标定一致性。实验表明该方法具备亚像素级名义误差,并对受控的外部扰动敏感,能在混合操作序列中监测误差增长。该工作已接受发表于 IEEE SENSORS 2026,原文为预印本版本。
推荐理由:提出 Lollypop 参考目标用于独立验证相机与动作捕捉系统的标定漂移,实验展示了亚像素级误差及对外部扰动的敏感性。
论文提出 PatternDex 方法,旨在解决双臂灵巧手操作铰链物体时的具身差距问题。该方法观察到手与物体运动的相关性由物体决定而非手部,可从人类演示中学习并表示为交互模式序列。
推荐理由:提出 PatternDex 方法,通过从人类演示学习手与物体运动的相关性(交互模式),引导强化学习策略实现双手动灵巧操作,在 Allegro 手上平均成功率达 92.8%。
arXiv 论文提出了 DNPush,这是一种用于多机器人协作搬运物体的分布式非平行推力控制器。该方法无需机器人间通信或物体模型、质心估计等在线信息,仅利用局部力测量和预设权重即可调节非平行力大小。
推荐理由:该工作提出无需通信的分布式推控方法,通过局部力测量实现多机器人协同搬运,仿真与硬件实验验证了收敛性与方向误差。
当机器人团队将规划与互信委托给 LLM 智能体时,单个被攻陷的机器人可能破坏共享结果。本研究在可物理验证但需消耗预算的多机器人测绘任务中,将攻陷者视为受限于系统检测器的隐蔽对手,推导了谎言被验证概率的下界及地图误差上界。实验表明,当诚实机器人由 LLM 智能体担任时,上述界限在实际攻击花费的预算下均成立;同时发现 LLM 重检记录的选择无偏但重检量不可预测。
推荐理由:论文从系统理论角度推导了多机器人团队中 LLM 智能体被内部攻击时的谎言概率与地图误差上界,并在 LLM 诚实机器人的实验环境下验证了这些界限。
本文提出一种无需专用力或触觉传感器的机器人操作方法,通过训练视觉力估计器从合规 Fin Ray 夹爪的形变中预测作用力,并联合生成动作与力的候选方案以指导推理时的动作选择。该方法在浆果采摘、空罐抓取、手内重定向和插头插入等任务上进行了评估,展示了视觉预测力引导接触密集型操作的能力。材料为预印本论文,未报告真实机器人部署结果或量产状态。
推荐理由:该工作提出利用柔性夹爪形变进行视觉力预测,从而在无触觉传感器条件下实现接触密集型任务的操作策略选择。
针对视觉语言动作(VLA)和世界动作(WAM)模型在分布外任务中表现下降的问题,本文提出 RoboIRS 方法,利用成功与失败的执行轨迹训练线性分类器以选择干预位置并推导特定任务的引导方向,无需更新策略参数。
推荐理由:提出无需更新策略参数的推理时内部表征引导方法,在冻结策略下将仿真成功率从 44.4% 提升至 66.2%,并在真实机器人与世界模型上验证有效。
论文提出一种针对分层控制系统的上下文贝叶斯优化框架,用于联合学习不同层级控制器的参数。该方法通过相关多输出高斯过程分别建模任务性能、实现质量和控制努力,并分析其聚合关系,利用分层控制的互补特性进行优化。研究在人形机器人变质量推箱子任务中,联合调优了质心预测控制器和全身控制器,结果显示该方法在训练和适应阶段均取得了最低的均值经验后悔度。
推荐理由:提出基于上下文贝叶斯优化的分层控制器联合参数学习方法,在变质量推箱子任务中实现最低经验后悔度。
该论文提出了 RePart(Reinforcement Part Reasoning)方法,将几何原语的组织问题建模为有限视界马尔可夫决策过程,通过轨迹级强化学习实现语义组织。
推荐理由:该文提出基于强化学习的语义部分推理方法 RePart,在无需微调情况下实现了几何原语到语义部分的组织与分割。
针对胎儿MRI成本高而超声数据丰富的不对称性,本文提出WASP框架,将跨模态对应建模为受胎龄和诊断平面驱动的熵最优传输问题。该方法无需微调骨干网络即可将MRI表征映射至超声潜空间。
推荐理由:提出WASP框架,利用临床元数据解决胎儿MRI与超声的弱对齐问题,在未见MRI预训练下显著降低胎龄估计误差。
论文指出联合嵌入预测架构(JEPAs)因仅基于无运动模糊的单帧渲染,导致其嵌入无法携带速度信息,从而形成结构性缺陷。研究在四个真实基准测试中证实了线性速度探测效果低于随机猜测,而位置探测表现良好。
推荐理由:该研究揭示了 JEPA 架构因单帧渲染缺失速度信息的结构性缺陷,并提出轻量级解耦方案在物理环境中显著提升规划性能。
论文介绍 DreamFormer,这是一种通过模仿专家演示来习得语言条件化多任务技能的基于模型的智能体。该模型首先从无结构的玩耍数据中学习任务无关的 Transformer 世界模型,然后在潜在空间中优化内在奖励以对齐生成的轨迹与专家演示。
推荐理由:该工作提出基于 Transformer 的世界模型进行语言条件化机器人操作模仿,在 CALVIN 基准上展示了优于行为克隆的零样本泛化能力。
论文提出 ReSQ-MPPI 方法,通过离线计算的 HJR 价值函数引导在线 MPPI 采样,并利用 SQP 迭代对全阶 MPC 问题进行修正以保障安全。仿真在杂乱导航和自动驾驶赛车环境中验证了该方法优于独立 MPPI、MPC 及可达性过滤基线。
推荐理由:提出 ReSQ-MPPI 架构,结合离线可达性价值函数与在线 SQP 修正,在仿真中提升安全与性能。
该预印本提出 AgenticTactileVLA,作为固定视觉语言动作模型(VLA)的执行时间监督器,利用手指位置和电机力反馈进行接触引导的自适应调整。该方法在 Unitree G1 机器人配合 BrainCo Revo2 手部执行任务时,针对未见物体实现了从基线 VLA 61.3% 到监督器 84.0% 的任务完成率提升,且无需触觉传感器或模型重训。
推荐理由:该预印本提出无需重训 VLA 的接触引导执行监督方案,在 Unitree G1 上验证了针对未见物体的泛化提升与修正触发机制。
针对相机基 3D 占用和场景流预测对不可靠时空聚合敏感的问题,作者提出 SelectOccFlow 框架,通过语义引导采样、状态条件时序聚类和范围感知空间聚合逐步优化图像、时序与体素域的证据。
推荐理由:提出 SelectOccFlow 框架,通过语义引导采样与状态条件时序聚合提升 3D 占用预测性能。