Pai 的 AI 雷达

机器人具身

今天:HuGo(arXiv:2609),Does This Action(Agent 原型)。并行还有 综述 | 世界—动作模型、对话一目科技。

日期
2026/10/02
今日条目
101
当前类目
4
#01

HuGo: LLMs as Whole-Body Policy Code Designers for Humanoid Loco-Manipulation

arXiv:2609.30594v2 Announce Type: replace Abstract: For humanoids to be useful in everyday environments, they must perform a wide range of tasks that couple locomotion and manipulation. Existing approaches commonly acquire a loco-manipulation policy through reward engineering or

推荐理由HuGo: LLMs as Whole-Body Policy Code:arXiv:2609.30594v2 Announce Type: replace Abstract: For humanoids to be useful。
模型与评测机器人具身arXiv cs.RO 官方
#02

Does This Action Still Explain the Task? Reverse Scoring for Diffusion Language Model Agents

arXiv:2609.38536v1 Announce Type: cross Abstract: Diffusion-based large language models (dLLMs) promise to break the sequential latency bottleneck of autoregressive agents through parallel decoding, but recent evaluations show this efficiency does not transfer to embodied agentic

推荐理由Does This Action Still Explain:arXiv:2609.38536v1 Announce Type: cross Abstract: Diffusion-based large language models。
模型与评测机器人具身arXiv cs.AI 官方
#03

综述 | 世界—动作模型:从预测未来到机器人闭环控制

📌 一句话摘要 本文综述了机器人领域的世界-动作模型(WAM),探讨其如何通过连接未来预测与动作生成来提升机器人闭环控制能力。 📝 详细摘要 系统梳理了机器人世界中的动作模型(World-Action Models, WAM)。传统的机器人系统通常将感知、状态估计、规划与控制分离,但在开放环境和复杂任务交互中存在局限性。WAM 的核心思想是将未来预测与可执行动作连接起来,使预测能够服务于真实控制。综述涵盖了 WAM 的技术背景、架构分类(如基于世界模型的强化学习、视频生成、潜在动作预训练及 VLA 模型)、训练流程以及在机器人操作、导航、自动驾驶等领域的

推荐理由该技术通过将未来环境预测与可执行动作直接相连,能够打破传统系统感知与控制分离的局限,让未来预测直接服务于机器人的真实闭环控制,从而在开放复杂环境中实现高可靠的机械臂操作、自主移动导航以及自动驾驶决策。
创作成片机器人具身BestBlogs.dev
#04

对话一目科技:机器人还缺失的「手感」,我们用「光」来搞定丨多样性公司

当我们想喝可乐的时候,在极长的时间都只有两个选择:百事可乐和可口可乐。当我们选择手机的时候,有 90%的概率在苹果和华米 OV 等品牌里辗转。当我们买运动服饰的时候,第一时间想到的,大概率是 Nike、Adidas。 但世界之所以缤纷多彩,是因为在这些巨头之外,有一些不遵从传统,力求创造不同,注重设计和功能,着眼于明日的公司存在。 它们有着非主流的商业模式,设计、技术与产品能提供独特的用户价值,和足够的社交谈资。重点是,它们没有大公司的包袱,敢于不顾一切的进步。它们,是「多样性公司」。 多样性,是开放世界的关键。爱范儿相信,只有真正关注和理解多样性公司才

推荐理由当我们想喝可乐的时候,在极长的时间都只有两个选择:百事可乐和可口可乐。
开发与开源机器人具身爱范儿