- 1. OXE-AugE: A Large-Scale Robot Augmentation of OXE for Scaling Cross-Embodiment Policy Learning
通用机器人策略要控制各种机械臂和夹爪的组合，但给每种新机器人重新采数据、重新训练都太贵。最常用的 Open X-Embodiment 数据集汇集了六十多个机器人数据集，却严重失衡，最多的四种机器人占了真实数据的 85% 以上。这篇论文做了一套增强工具，把已有演示扩展成另外九种机械臂和夹爪组合的版本，得到 440 万条轨迹的 OXE-AugE，是原数据的三倍多。摘要只公开了规模和结论，没有说明动作怎样换算到新机器人上…
出现于日报：10-27
- 2. Coupling Execution Horizon and Sampling Depth in Flow-Matching VLA Policies · 📖 深度解读
这篇论文发现，基于流匹配的视觉语言动作模型里，求解动作的迭代步数和每次执行的动作步数是耦合的，最优选择还会反转。这类模型从一段随机噪声出发，用数值求解一步步把它推成一段平滑的动作。部署时通常把两者分开调：执行步数用来摊薄推理延迟，迭代步数则保持很高以求精确。频繁重新规划时，迭代步数少确实更差；一次执行很长一段动作时，迭代步数少反而更好，因为粗略求解让动作更集中在平均轨迹附近，减少了开环执行中误差的累积…
出现于日报：10-27
- 3. FLORA: An Open Model Suite for Scaling Robotics Data Engines
训练机器人基础模型离不开大量标注：部署时要判断任务是否成功，强化学习后训练要给每一步打过程分，预训练前还要给视频配上带时间戳的描述来筛选数据。英伟达开源了训练 GR00T 用的数据引擎 Flora，一个模型同时做这三类标注。它在描述和奖励的公开基准上取得最好成绩，内部测试中和 GPT-6 Astra 相当。成本约是后者的 125 分之一，目前每天在 512 块 GB300 上标注 20 万小时数据。
出现于日报：10-27
- 4. OpenJaws: An Open Hardware UMI Framework with Stereo Localization for Generalist Manipulation · 📖 深度解读
用手持夹爪（UMI）在野外采机器人示教数据已经很流行，但动作标签准不准，取决于从腕部相机视频里还原夹爪轨迹的那一步。原版 UMI 用单目相机加 IMU（惯性测量单元），单目看不出真实尺度，还要预先建图、贴标记物来稳住。OpenJaws 把相机换成一台百元级的双目相机，两只镜头的间距是标定好的，三角化直接给出真实尺度。在作者新做的带真值评测集上，只比两者都能跟住的片段，双目重建的轨迹误差约 2.9 毫米，原版方案是 18.4 毫米…
出现于日报：10-29
- 5. Pushing Dexterity and Safety for In-Hand Object Pose Reaching That Works Remarkably Well
多指灵巧手学到的技能大多还停在简单抓取或者原地转物体，稍难一点的手内操作，最常见的失败是把东西掉了，可是以往的工作很少专门统计掉落。这篇让 LEAP 机械手把手里的物体挪到几乎任意位置和朝向，手腕朝向也随机变，而且一个目标接一个目标连续做。主策略完全在仿真里训练，直接迁到真机。真机上 95.2% 的新目标都能准确到达。作者再在冻结的主策略上叠一个小网络，它只看手和物体的状态，用强化学习学会给每步动作加一点修正…
出现于日报：10-29
- 6. Zero-HLM: Generalizable Humanoid Loco-Manipulation without Real Robot Data · 📖 深度解读
人形机器人要学会走到桌前、拿起香蕉再放进篮子这类长任务，通常要靠人遥操作采上百条真机示范，桌子挪个位置往往就得重采。Zero-HLM 改为全部在仿真里造数据。它用手机拍一圈真实房间，重建成既像照片、又能做物理交互的仿真场景，再把少量遥操作示范自动改写成上千条新示范。每条新示范随机换一个机器人起点和物体、放置目标的位置，手的轨迹跟着目标一起移动，只留下在仿真里跑成功的…
出现于日报：10-28
- 7. DiscoDemo: Discovering Efficient and Diverse Robot Demonstrations for Imitation Learning
模仿学习的效果很依赖演示数据覆盖得多广，但采集多样的成功演示很贵。这篇论文把强化学习当成造数据的工具，而不是直接上线的控制器。DiscoDemo 训练一个生成器，换一个隐变量就换一种完成任务的方式；训练时先从离目标很近的状态练起，再逐步往回退；另有一项多样性奖励：隐变量不同，机器人经过的状态在一个学到的表示空间里相距越远，奖励越高，而且只给成功完成任务的轨迹…
出现于日报：10-27
- 8. GRAFT: Geometry-Aware Residual Adaptation for Foundation Trackers
人形机器人的行为基础模型（BFM，给一段参考动作就输出全身关节指令的通用跟踪策略）大多在平地动作上训练，碰到台阶、沟和平台就容易摔。常见做法是连同感知一起重训或微调整个模型，成本高，还可能把平地上原有的能力弄坏。小米机器人实验室的 GRAFT 把基础模型完全冻住，只加一个小的适配器，按脚下地形给下半身的执行目标加一点修正，平地上的修正被压到接近零…
出现于日报：10-29
- 9. PlayPolicy: Dexterity from Supervised Play
灵巧手要学会推物体、在手里把物体转到任意姿态，通常要么为每个任务采示范，要么在仿真里跑强化学习再迁移到真机。亚马逊 FAR 等单位的 PlayPolicy 只让人遥操作机械手随意摆弄物体几分钟，用行为克隆学出一个不针对任何任务的玩耍策略，再让机器人自己照着玩上几个小时，用这些数据训练一个预测动作后果的世界模型。执行具体目标时，玩耍策略提出候选动作，世界模型预测各自的结果，挑最接近目标的执行…
出现于日报：10-28
- 10. BitVLA: 1-bit Vision-Language-Action Models for Robotics Manipulation
视觉语言动作模型太大，很难放到机器人自带的边缘设备上。BitVLA 不靠训练完再压缩，而是从一开始就用极低比特设计：所有参数只取负一、零、一三种值，约合 1.58 比特，习惯上称为 1 比特模型，基于开源的 BitNet 大模型训练。视觉编码器的权重也量化成这三种值，再在训练中让它输出的图像表示向原来的全精度编码器靠拢。效果和全精度的 OpenVLA-OFT 相当，模型内存减少 11 倍，端到端延迟降低 4.4 倍。
出现于日报：10-27