VLA
-
约5万小时全身人体经验加持,Awaken-HI在T800八项任务上平均成功率达93.75%
EngineAI团队在11月20日公布于arXiv的论文中介绍Awaken-HI,并用约5万小时第一人称立体视频与同步全身动作做预训练。在EngineAI T800上,八项单独任务平均成功率为93.75%,高于对照模型π0.5的57.5%和GR00T N1.7的58.75%;长程工业补货和家庭整理任务分别为90%和80%。
-
PGX把取咖啡的时机和空间精度从策略里拆出来,仿真中GR00T N1.6成功率从35%升到80%
牛津大学团队提出PGX,用谓词门控状态机和世界坐标锁定来管理长程人形任务的时机与空间精度,VLA只负责操作阶段。在仿真取咖啡任务中,GR00T N1.6在权重不变时端到端成功率从35%升至80%。真机Unitree G1上完成了验证,但论文未给出单独的真机端到端成功率。
-
Ego2X把第一人称视频里的物体接触迁到不同机器人,X-VLA在200个场景成功率从40.5%升至67.0%
一篇11月19日发布于arXiv的论文提出Ego2X,主张从第一人称视频里迁移的不该是人手怎么动,而是物体上的接触如何发生。该方法面向灵巧手和平行夹爪,并在RoboTwin 2.0中仅用转换后的数据后训练X-VLA,任务成功率从零样本的40.5%提高到67.0%。
-
只需人类第一人称示范,SHAPE让双手灵巧机器人在全新任务上60次试验做成21次
Sharpa Robotics与香港中文大学、上海交大—Sharpa具身智能联合实验室等团队近日在arXiv发布VLA模型SHAPE,并公开了项目主页。模型用离散动作标记辅助训练,同时输出末端执行器和关节两路可执行动作。在三项从未用机器人遥操作采集过的新任务上,仅用人类示范微调后,60次真机试验做成了21次。
-
两台机器人隔着墙也能默契配合:星尘智能发布多机协同框架CoMind,只传32个Token,盲区放置准确率从38.9%升至88.9%
一台机器人看得见、另一台看不见,怎么配合?星尘智能给出的答案是:别把整段画面都发过去,只把队友做决策需要的那几条信息提炼出来。新框架CoMind让双臂机器人在隔墙、遮挡等场景下完成了接力拿笔、叠被子、组装哑铃等任务。
-
英伟达发布Alpamayo 2 Edge:20亿参数推理驾驶模型塞进车端,Thor上端到端延迟160至190毫秒
英伟达11月10日发布Alpamayo 2 Edge:一款20亿参数、可在车载芯片DRIVE AGX Thor上实时运行的推理型视觉-语言-动作模型。它只在需要时才“思考”,经过闭环强化学习后驾驶表现提升48.9%,配套的AlpaJudge则用来给模型的推理质量打分。
-
美团发布桌面操作基础模型Meituan-Robotics-0:1.5万小时机器人数据,RoboTwin 2.0成功率93.6%
美团机器人团队发布面向固定底座桌面操作的VLA基础模型MR0:三阶段训练、提出Rollback纠错数据机制,并配套事件驱动的具身智能体,在RoboTwin 2.0取得93.6%成功率,真机三项任务优于π0.5。
-
松下联合伯克利等发布T-Rex:指尖触觉把接触任务成功率提到65%
松下HD联合加州大学伯克利分校、NVIDIA、斯坦福等发布T-Rex:把指尖触觉接入VLA,在12项精细接触任务上平均成功率达65%,将于CoRL 2026展示。