#机器人操作
训练机械臂策略的新思路：不蒸馏专家，只学视觉补状态，真机 Panda 上 76% 成功率，做 sim-to-real 的朋友可以看看。
机器人控制的延迟问题有新解法了，Rolling-WAM 把去噪拆到多个重规划周期里做，实测比标准方法快4.5倍，还在真实 Unitree G1 上跑通了。
接触密集操作总在碰坏了才发现问题？ContactGuard 在接触前看潜在视觉嵌入提前判断，能直接发中止信号，不用改策略。
想玩机器人操作？NVIDIA 官方出了 LeRobot 加 ROS 2 的教程，在 Jetson 上就能跑，跟着学能上手机械臂控制。
LiLa-WAM用一张24GB显卡就能训练，在RoboTwin 2.0上50个任务做到90%以上成功率，还不用语言标注任务，做机器人操控的值得看看。
Perceptron发了Egocentric API，能把机器人视频拆成最小动作单元并追踪每根手指，比基于Gemini的方案还要准。训练机器人手部操作就靠它了。
蚂蚁开源了6B的VLA模型LingBot-VLA 2.0，用6万小时数据训练，在GM-100上超过π0.5，做跨形态机器人操作很划算。
想让机器人按你的偏好做事？FPL 把“快一点”“稳一点”这种主观要求变成可训练的奖励信号，效果比传统方法好 38%。
这篇论文发现VLA模型很多层是冗余的，用他们的方法可以白嫖50%层数，微调快一半，推理快30%，效果不降。搞机器人微调的可以试试。
做机器人操作或科学自动化的团队终于有了实验室场景的专用VLA方案——LabVLA解决了数据稀缺和模型适配两大瓶颈，在仿真基准上表现领先，值得关注其后续实物部署进展。
机器人操作研究者终于有了解决灵巧手形态鸿沟的实用方案——InDex用意图条件微调避免了灾难性遗忘，做灵巧操作或VLA模型迁移的团队可以直接参考其两阶段架构。
做机器人强化学习或人机协作的团队，终于有了减少人工干预的自动化方案——UniIntervene 用价值感知的智能体干预替代频繁人工纠正，成功率还更高，值得在真实场景中一试。
做机器人操作研究的团队终于有了低成本力感知方案——NEXT仅需10分钟数据就能替代昂贵传感器，FIRST让行为克隆在接触任务中提升17%进度，建议做遥操作或灵巧操作的开发者直接试。
做机器人操作或VLA模型研究的团队，终于有了专门评估遮挡鲁棒性的基准和解决方案——VIM用视角想象补全感知，无需加摄像头就能提升性能，值得一试。
做机器人安全控制的团队终于有了一个轻量级方案——VLA模型自带的注意力头就能当安全过滤器用，无需额外训练或重模型，动态场景效果还更好，值得点开看实现细节。
做机器人操作策略的团队终于有了一个不重新训练就能处理故障的方案——ReCoVLA 用 VLM 做奖励选择器，零样本迁移到真实环境。做 VLA 策略部署的开发者可以直接参考这个框架。
GEAR-VLA 解决了机器人操作中跨本体、跨场景泛化的核心痛点，做机器人操作研究的团队可以直接参考其粗到细动作学习与 3D 对齐方法，值得关注其开源代码。
做机器人操作或 VLA 研究的团队终于有了一个能按需调速的方案——TempoVLA 让单一模型同时覆盖快速移动和慢速精确操作，值得关注其动态速度控制的实际效果。
触觉 RL 终于有了标准化的 GPU 并行基准，做机器人操作和强化学习的团队可以直接用 roto 2.0 测试算法，不用再花时间调环境——盲操速度提升 10 倍的结果值得点开看看。