02 4.40
要让人形机器人既能快跑、倒退、侧移、原地急转，又能单腿跳，通常得为每种动作单独准备参考轨迹或单独训练策略。FORGE 分两步做：先在一个简化的身体模型上训练参考动作生成器，受力按把整个身体当成一个刚体来算，关节姿态按完整机器人来算，按速度指令实时生成全身参考动作；再把它冻结，训练第二个策略在完整的机器人动力学上跟踪这些参考。在 Unitree G1 上，一个生成器加一个跟踪策略就覆盖了每秒 2.8 米的前进、每秒 2 米的后退、单腿跳，以及这些指令之间的连续切换。简化模型算得便宜，所以参考动作能在线生成，覆盖的指令范围也宽。
03 4.30
让机器人玩汉诺塔这种要连走很多步的任务，靠视觉世界模型 规划常常越往后算越偏。VQ-WM 把画面压成有限个离散状态，先在这些状态之间搜索一条到目标的最短路，再让带视觉反馈的控制器一段段走过去。关键在于离散状态怎么选。它不按 embedding 距离聚类，而是在学到的世界模型里试跑控制器，记下从各个状态出发几次调用能走到某个候选状态，再挑出尽量少的候选，让数据里每个状态都能在几次调用内走到其中一个。这样路线上的每一步，控制器都够得着。只用短的随手操作数据训练，它在真机汉诺塔上完成率 100%，而现有 VLA 等基础模型只有在训练数据里恰好有完整解法时才能做成。
04 4.30
人形机器人接住扔过来的东西，难在物体千差万别：毛绒玩具几乎不弹，薯片袋会变形，硬球一碰就弹开；人形机器人手腕力矩又小，动作太猛会伤硬件。作者只在仿真里用简单几何体训练强化学习策略，抓握奖励按指尖到物体表面的距离来给，手指贴得越紧奖励越高，策略由此学会握稳。超出额定力矩的惩罚在训练中逐步加重，策略也就学会了不超限。训练好的策略不用任何真机数据，直接部署到 Unitree G1，全程只用机器人自身视角的一个摄像头。面对训练时没见过的物体，手掌朝上在低处托接的成功率是 38.9%，手举在高处迎着接的成功率是 36.1%，而专家遥操作同一任务只有 6.8%。这么快的动作靠遥操作采不到好数据，仿真强化学习更现实。
05 4.30
人形机器人走路、被推后恢复、拿东西、坐下，通常各要训练一个控制器，可这些任务都需要同样的平衡和全身协调。Metatron 把两件事拆开：先训练一个通用的全身策略然后冻结，它只接收部分目标，比如某个时刻手要到哪、走多快、用什么风格；具体任务写成普通代码，每个控制步给策略发这样的目标，由策略补全成协调的全身动作。这些任务代码还可以让写代码的 agent 根据动作数据去调，不用重新训练策略。在真机 Unitree G1 上，一个冻结的模型就支撑了走路、恢复、遥操作捡物和坐到家具上。行走中被推一把时，推力超过 600 牛两种参考轨迹跟踪方案就全部摔倒，Metatron 在更大的推力下仍有 75% 的次数站稳。
06 4.20
在真机上一遍遍试跑来评估机器人策略又慢又贵，于是有人想用 世界模型生成的画面当测试场。难点有两个：策略下一步要的不只是一张图，还有多路相机画面和机器人自身的关节状态；生成模型还容易把没抓住的东西画成抓起来了，让策略显得比实际更强。ProWorld 同时预测多视角视频和机器人状态，一起反馈给被测策略；训练时还专门加入在高保真仿真里收集的失败操作，压住这种虚高。在 3 个策略、4 个操作任务上，它算出的成功率和真机成功率的 Pearson 相关系数达到 0.95，说明它给出的高低排序基本能代替真机试跑。
07 4.40
同一个动作指令，换个控制器机器人就会动成不一样的样子：控制的是关节还是末端位置、给的是位置还是速度、刚度设高还是设低，同一串数字的含义都不同。把这些数据直接混在一起训练一个策略，指令的含义会互相打架。作者的办法是先让策略看一小段交互记录，里面是发出的指令和机器人随后实际怎么动，由一个 Transformer 把这段记录总结成当前控制器的特征，策略据此调整动作。在真机实验里，这比直接混合数据的平均成功率高 33 个百分点；在插 USB、擦桌面这类接触多的任务上，策略连做法都会跟着控制器变，而不只是调动作幅度。
08 4.10
人形机器人边走边操作的研究，各家用的策略、控制器和任务都不一样，很难比出谁更好。LocoManiLab 把采数据、训练、评测和真机部署放进同一套测试平台：五类家居场景里有 234 个任务，配有仿真里遥操作采集的示范，并在同一个控制器下评测了十二个策略。结果是，换到没见过的任务和场景，成功率普遍下降，画面扰动越大掉得越多，不同策略之间的泛化能力差别明显。作者还在仿真里复刻了 3 个真机任务，仿真和真机给出的策略排名相近，所以作者认为可以先在仿真里比较策略，再上真机。
09 4.30
让机器人看几段示范就做新任务、不改参数，最大的限制是上下文装不下：一段示范有几百步多视角画面，隔帧抽样后仍要几千个 token，所以现有方法一般只放一两段。JEDI 把每段示范压成少量向量，训练目标不是复原示范里的动作，而是用这些向量预测当前这一轮任务下一阶段的关键画面；训练时还拿任务不同或步骤顺序不同的示范当反例，逼它记住做法细节。在两段示范只差物体摆放顺序的测试中，JEDI 照示范顺序做的比例是 84.1%，只压缩动作的版本只有 52.2%，差不多一半对一半。压缩示范时该留下的，是能预测接下来怎么做的信息。
10 4.05
AAgiBot
智元在今年的创新日上提出一个新的度量单位 Worken（有效智能工时），想回答机器人到底干了多少有用的活。智元的类比是：蒸汽机用马力衡量，电用千瓦时衡量，大模型用 token 衡量，机器人则该按它自主、持续完成有价值工作的工时来衡量，而不只是数造了多少台。同场还发布了新一代具身基座模型 GO-3 Preview，称在三个具身评测榜单上都排第一，并计划年底开源；另有开源的具身操作系统灵渠 OS、皮下式关节液冷系统和新一代灵巧手。行业比拼的重点正在从出货量转向机器人能自己干多少活。