GAIR Live
顶会专区
热门文章
CoRL 2026重磅开源!Sharpa世界联觉模型实现真实扰动鲁棒手内操作|CoRL 2026
来源:具身智能机器人圈 文章链接:https://mp\.weixin\.qq\.com/s/TAv9M8MP3\_HG6sK6IwFkDQ 灵巧手从 demo 走向真实应用,关键不只是 “会不会动”,而是能否在 noisy depth、稀疏触觉、外力扰动和未见物体下稳定泛化。现有 in-hand manipulation 往往依赖固定物体、定初始位姿或理想传感器。而一旦遇到真实深度噪声、形状变化和接触状态不可见,这些策略就容易退化成近乎开环的 “手指套路”。 Sharpa Robotics 的研究团队提出的 World Synesthesia Model(WSM,世界联觉模型)正是面向这一难题提出:它把视觉几何、触觉接触、本体感觉与动作历史统一到一个可复用的世界模型状态中,让策略持续推断手 - 物系统的隐含物理状态,而不是只匹配当前观测。 这项工作被 CoRL 2026 高分收录,其核心价值在于用世界模型作为联觉先验,缩小真实传感器噪声造成的 vision gap,并把能力迁移到未见物体和真实平台扰动恢复中。 论文标题:World Synesthesia...
让机器人更会动,从学会「起步」开始|CoRL 2026
来源:机器之心 文章链接:https://mp.weixin.qq.com/s/tKbYX-1MMmBBfPNU8_Aqmw **本文共同第一作者为戴美坡、庄启源、徐赫洋,通讯作者为东南大学青年首席教授魏秀参,研究方向为具身智能、计算机视觉与机器学习。本研究围绕机器人模仿学习与生成式动作策略,探索可学习源分布对机器人操作的作用。* ** ** 在机器人模仿学习中,扩散模型与流匹配模型将动作生成建模为条件采样,从专家演示中学习动作分布,并通过迭代生成动作序列。这类策略已被用于抓取放置、工具使用与双臂协同等操作任务。 生成式机器人策略通常从与当前观测无关的标准高斯分布出发。A2A、VITA 等方法开始利用本体感知或视觉信息构造生成起点,但主要将起点视为确定性的估计,尚未显式建模其不确定性。这引出了一个问题:动作生成的起点应该是一个确定值,还是一个分布?如果是分布,其方差应该固定,还是随机器人状态变化? 针对这一问题,东南大学魏秀参团队提出 LeaP(Learnable source Prior),一种由本体感知信息驱动的可学习源先验。LeaP...
UC Berkeley入选CoRL 2026 Oral:1张卡3小时,超过128张卡7天的人形动作追踪|CoRL 2026
*来源:具身智能漫谈 * 文章链接:https://mp\.weixin\.qq\.com/s/Jc3Uiq94AwIQ3Om0tED2dA 【具身智能漫谈】 聚焦具身智能与机器人前沿研究,每日精选 arXiv 最新论文深入解读,涵盖视觉-语言-动作(VLA)模型、世界模型、机器人学习等热门方向,助力科研工作者把握领域脉搏。 1 — 行业痛点:动作库越大,算力账单越离谱 人形机器人要在人的环境里干活,第一关就是「全身控制」——走路、跳舞、蹲下、被推一把还能站住,这些都得会。目前最有效的路子是物理仿真里的动作模仿:让强化学习策略去追一段段参考动作。 问题是,动作库越大,策略越强,算力也越贵。现有系统大致分两派。 论文把根因说得很直白:参考动作各不相同,但它们共享同一具人形机器人的刚体动力学。而无模型强化学习(model-free RL)不会显式建模这个「共享结构」,只能一遍遍从带噪的仿真 rollout 里估计「这个动作会导致什么后果」。于是,想覆盖更多动作,就只能加算力。 在这个视角下,动作库的规模不是被算法卡住的,是被电费卡住的。 ...
人形机器人大进化!SuperMimic技术让运动控制训练成本骤降1000倍|CoRL 2026
来源:具身智能机器人圈 文章链接:https://mp\.weixin\.qq\.com/s/RWoi1vF1\_nUAKasiTzFi1g?scene=1 一项机器人运动控制领域的重大技术突破,正在重塑人形机器人行业的竞争格局与价值分布。 据追风交易台,野村国际(香港)在最新发布的报告中表示,加州大学伯克利分校一篇名为SuperMimic的论文显示,人形机器人全身运动控制器的训练算力消耗可压缩逾1000倍——原本需要128块GPU运行一周的任务,现在仅需一块H100 GPU运行三小时即可完成。该论文已被机器人学习领域顶级会议CoRL 2026收录,并于10月20日发布于arXiv。 野村分析师Frank Fan与Donnie Teng在报告中指出,这是迄今为止机器人身体控制训练成本正在变得"廉价"的最有力证据。他们同时警示,随着运动软件门槛大幅降低,行业竞争焦点将从算法能力转向硬件一致性,能够在量产中保持关节精度的企业将获得更持久的竞争优势。 ...
深度解读SuperMimic:一张GPU,能把人形机器人练到什么程度?|CoRL 2026
来源:Lumina具身智能 文章链接:https://mp\.weixin\.qq\.com/s/jxViNfNSuDrcCmsXf\-MzLw 如果让人形机器人学会翻滚、跳跃和起身,最先遇到的往往不是动作难,而是训练太慢。每次策略更新都要让模拟器把机器人重新跑一遍,动作越多,等待越长。 如果让人形机器人学会翻滚、跳跃和起身,最先遇到的往往不是动作难,而是训练太慢。每次策略更新都要让模拟器把机器人重新跑一遍,动作越多,等待越长。 SuperMimic是伯克利团队在CoRL 2026提出的一套人形机器人全身控制方法。它的做法很直接:用模拟器数据训练一个可微世界模型,让策略先在这个模型里反复试错,再回到物理模拟器检查。 官方项目页给出的结果很有冲击力:一张 H100训练约3小时,超过 SONIC公开模型的归一化回报;SONIC的训练报告使用128张L40、持续7天。下面不只看这个数字,而是追问它怎样做到,以及这个结果真正说明了什么。 ****01 SuperMimic先让机器人学什么 ...
热门视频
人气专家


