就好像是春天-优快云博客

原创 Qwen-VLA 论文解读：Qwen3.5-4B + 1.15B DiT 流匹配动作解码器，LIBERO 97.9 / ALOHA OOD 76.9

摘要： Qwen-VLA 提出了一种统一视觉-语言-动作（VLA）任务的方法，解决了现有模型因任务、环境和机器人平台差异导致的碎片化问题。该方法结合 Qwen3.5-4B 视觉语言模型与 1.15B 参数的 DiT 动作解码器，通过条件预测框架生成跨平台的动作轨迹，支持操作、导航、轨迹预测等多种任务。实验表明，Qwen-VLA 在仿真与真实机器人任务（如 LIBERO、RoboCasa 和 ALOHA 平台）中表现优异，且在未见过的动态任务（DOMINO）上展现一定泛化能力。其核心创新在于统一动作表示与多任

2026-07-03 20:45:21 410

原创开源 GR00T N1.7 论文解读：Cosmos-Reason2/Qwen3-VL + DiT 动作头，20K 小时人类视频预训练

论文：GR00T N1: An Open Foundation Model for Generalist Humanoid Robots（完全开源，arxiv 预印，7475 stars）会议：arxiv 预印链接：https://arxiv.org/abs/2503.14734。

2026-07-01 20:20:45 634

原创开源人形机器人 VLA 基础模型 Ψ₀ 论文解读：Qwen3-VL 2B + MM-DiT flow matching 动作专家，成功率超 GR00T N1.6 达 40

摘要：论文《Ψ₀: An Open Foundation Model Towards Universal Humanoid Loco-Manipulation》提出首个完全开源的人形机器人通用移动操作基础模型。针对人机动作分布冲突问题，Ψ₀采用解耦式三阶段训练：VLM骨干网络在人类视频(EgoDex)学习语义理解，冻结后通过流匹配(flow matching)训练动作专家，最后用少量机器人数据微调。创新性引入实时动作分块(RTC)机制解决大模型推理延迟问题，在Unitree G1上的8项长时程任务测试中达

2026-06-26 19:16:50 684

原创开源 RWM 论文解读：双自回归 GRU 世界模型给四足/人形机器人做 MBRL，6M 步数据训练 50 分钟零样本上真机

摘要（149字）论文《Robotic World Model》提出了一种神经网络模拟器（RWM），用于解决机器人控制中模型预测控制（MPC）与无模型强化学习（RL）的瓶颈问题。核心创新是双自回归机制（GRU编码历史观测+自回归预测未来），通过多步预测损失和在线策略优化（MBPO-PPO），在50Hz控制频率下实现长程稳定预测。实验显示，RWM在ANYmal D真机上实现了零样本部署，预测误差显著低于MLP和Transformer基线。开源代码获651星，适用于足式机器人等接触密集型场景，但依赖高质量仿真数

2026-06-25 13:54:10 563

原创经典开源 π0 流匹配 VLA 论文解读：PaliGemma 2B + 300M action expert 做 flow matching，10k 小时数据预训练 50Hz 灵巧操作

本文提出π₀模型，解决现有Vision-Language-Action（VLA）方法在机器人控制中的高频响应和连续动作表达问题。π₀采用双系统架构：VLM骨干（PaliGemma 2B）处理视觉语言输入，动作专家（Gemma 300M）通过flow matching生成连续动作序列，支持50Hz高频控制。模型在7种机器人平台、68个任务的10000+小时数据上预训练，结合开源数据集。关键创新包括：KV缓存优化实现高效推理、动作分块预测、离散化状态输入（π₀.5改进版）等。实验显示其在衣物折叠等灵巧任务中表现

2026-06-23 13:43:37 617

原创开源 TTRL 论文解读：用多数投票当奖励信号在无标签测试数据上跑 GRPO，Qwen2.5-Math-7B AIME 2024 pass@1 提升 211%

清华大学PRIME实验室提出的TTRL（Test-Time Reinforcement Learning）是一种在无标注数据上进行强化学习的新方法，解决了传统RLVR（Reinforcement Learning with Verifiable Rewards）依赖标准答案的局限性。TTRL通过多数投票（majority voting）从模型自身采样中提取伪标签作为奖励信号，驱动GRPO（Group Relative Policy Optimization）更新策略。该方法在数学推理任务（如AIME竞赛题）

2026-06-22 14:27:53 494

原创开源 Diffusion Policy 论文解读：DDPM 去噪生成动作序列，robomimic 四任务平均 95% / Push-T 真机推 T 字块成功率 95%

本文提出了Diffusion Policy，一种基于扩散模型的视觉运动策略学习方法，通过动作扩散生成多模态动作序列，避免了传统行为克隆的平均效应问题。核心方法采用一维条件UNet预测动作轨迹块，结合重规划控制实现时序一致性。实验在Push-T和robomimic基准测试中显著优于IBC、BET等方法，尤其在复杂任务如Tool Hang上成功率高达95.5%，而基线方法完全失效。关键设计包括动作块预测、EMA权重平滑和FiLM条件注入，适用于低维状态和视觉输入场景。虽然计算开销较大，但该方法为模仿学习提供了新

2026-06-21 13:54:53 558

原创开源双臂模仿学习Aloha ACT 论文解读

这篇论文提出了一种低成本的双臂精细操作框架ALOHA，结合基于Transformer的动作分块策略（ACT），实现高精度双手机器人控制。核心创新包括：硬件层面：使用商用机械臂（单台$5600）和3D打印夹爪搭建低成本遥操作系统ALOHA，仅需4个普通USB摄像头。算法层面：提出ACT方法，通过动作分块（预测100步动作序列）和时序集成技术，将50条人类演示转化为成功率80-90%的策略，无需力传感器或轨迹规划。实验验证：在8项精细操作任务中显著优于基线方法，如开杯盖（成功率92%）、装电池（96%）等

2026-06-20 12:43:29 509

原创开源人形机器人 VLA 基础模型 GR00T N1.5 论文解读：Eagle 2.5 + DiT flow matching 双系统

**摘要：NVIDIA GEAR团队提出的开源基础模型GR00T N1/N1.5解决了人形机器人通用化任务执行的三大挑战：跨本体适配（通过EmbodimentTag系统统一不同机器人架构）、数据稀缺（融合真机轨迹、仿真数据和互联网人类视频）以及实时性要求（采用双系统架构分离推理与动作生成）。模型通过冻结的VLM模块（Eagle 2.5）处理视觉语言理解，配合扩散Transformer动作头（4步去噪）输出连续动作，并引入FLARE损失利用无标注视频数据。实验显示其在桌面操作（LIBERO 89.3%成功率）

2026-06-19 19:14:12 562

原创 π*0.6 论文解读：RECAP 让 VLA 从真实部署经验里学，advantage conditioning + 分布式 value function，叠衣服/做咖啡/装箱吞吐翻倍失败率减半

摘要：论文《π0.6: a VLA That Learns From Experience》提出了一种名为RECAP（RL with Experience and Corrections via Advantage-conditioned Policies）的方法，旨在解决视觉语言动作模型（VLA）在真实场景中的性能瓶颈问题。传统VLA依赖模仿学习，性能受限于演示数据质量，而RECAP通过结合预训练、在线数据采集和advantage条件化策略，使模型能在部署中自我优化。实验表明，该方法在叠衣服、做咖啡和装

2026-06-18 13:44:29 735

原创 Claude Fable 5 / Mythos 5测评

Anthropic 在 2026 年 6 月 9 日发布了 Claude Fable 5 和 Claude Mythos 5。三天后，Anthropic 又发了一篇声明，说美国政府要求暂停所有用户访问 Fable 5 和 Mythos 5，理由涉及对 Fable 5 的潜在越狱担忧。这个节奏很反常，也让本期测评不能只看榜单。

2026-06-17 13:51:31 685

原创开源双臂 VLA 全栈 Hy-VLA 论文解读：flow matching 动作专家 + delta-chunk 跨具身 + 2K 小时双臂数据，RoboTwin 90.9 / 真机跨具身 90%

腾讯Robotics X团队提出的Hy-Embodied-0.5-VLA模型构建了一套完整的机器人学习栈，解决了跨具身迁移、长时序操作记忆和大规模双臂数据采集三大难题。该模型采用双塔架构，通过Delta-Chunk动作表示实现跨平台适配，利用时序-空间注意力压缩历史信息，并基于Flow-Matching技术建模连续动作。实验表明，在仿真和真机测试中，Hy-VLA在精细操作任务上表现优异，尤其在跨具身迁移场景下，依赖UMI采集的大规模数据实现了90%的成功率。尽管在长时序任务和精细抓取场景仍存在局限，该工作为

2026-06-16 16:50:17 441

原创人形机器人VLA基础模型对比：GR00T N1 vs Ψ₀

本文对比分析了GR00T N1与Ψ₀两大人形机器人基础模型的核心差异。GR00T N1采用"数据规模驱动"策略，通过大规模异构数据混合训练构建通用模型；Ψ₀则主张"数据质量驱动"，采用分阶段解耦训练范式。在架构上，GR00T N1使用双系统设计（VLM+DiT），而Ψ₀创新性地提出三系统架构（VLM+MM-DiT+RL控制器），其中MM-DiT通过联合全局注意力实现更优的多模态融合。二者在动作空间、控制范式等关键技术层面也存在显著差异，反映了对通用人形机器人模型设计的不同哲学理念。性能评估显示，Ψ₀在需要长

2026-06-16 15:54:42 234

原创开源 Agentic RL 框架 Search-R1 论文解读：base LLM 用 RL 从零学会搜索策略，Qwen2.5-7B 七数据集平均提升 41%

本文介绍了Search-R1，一种通过强化学习（RL）训练大型语言模型（LLMs）自主调用搜索引擎进行推理的方法。与传统的基于提示或RAG的方法不同，Search-R1让模型在RL训练中自行学习何时搜索、搜索什么以及如何处理搜索结果。核心方法包括多轮搜索交互、检索标记掩蔽（Retrieved Token Masking）和基于最终答案的奖励函数。实验显示，该方法在多个QA数据集上显著优于基线模型（如Qwen2.5-7B提升41%）。Search-R1支持PPO、GRPO和REINFORCE++等RL算法，并

2026-06-15 15:23:51 770

weixin_69779134的博客