Libero
PulseAugur coverage of Libero — every cluster mentioning Libero across labs, papers, and developer communities, ranked by signal.
- instance of LIBERO-Plus 90%
- developed World-Action Models 90%
- instance of World-Action Models 90%
- used by Vision-Language-Action (VLA) models 70%
- used by Openvla 70%
- used by World-Action Models 70%
- developed Vision-Language-Action (VLA) models 70%
- used by RoboTwin2.0 70%
- developed Robotic Manipulation 70%
- used by RoboTwin 2.0 70%
- instance of Vision-Language-Action (VLA) models 70%
- instance of OpenVLA-OFT 70%
15 天有情绪数据
-
元力觉醒发布 DM0.5 具身智能模型，训练数据达 15 万小时
元力觉醒（Force Field Intelligence）发布了其新一代具身智能基础模型 DM0.5，该模型接受了 15 万小时数据的训练。DM0.5 旨在通过整合真实世界场景和开发者平台来解决具身智能领域的数据瓶颈问题。该模型拥有更大的参数规模、更多的数据量以及上下文抽象层和具身思维链任务等架构创新，在 Zero-Shot 泛化能力和微调效率方面取得了显著提升。
-
新的MECo-WAM模型通过4D几何先验增强机器人操作能力
研究人员开发了MECo-WAM，这是一种新颖的世界动作模型，旨在通过整合4D几何先验来增强机器人操作能力。该模型在不增加推理成本的情况下，将与动作相关的几何信息注入到视频-动作表示中。MECo-WAM采用多专家协同训练方法，包括一个轻量级的4D专家，并采用衰减的4D读掩码注意力和动作感知时间几何蒸馏等技术，以提高在LIBERO和RoboTwin 2.0等任务以及现实世界操作中的性能。
-
ThinkProprio 整合机器人状态以提升 VLA 模型注意力和速度
研究人员开发了一种名为 ThinkProprio 的新方法，用于视觉-语言-动作 (VLA) 模型，该方法将本体感觉数据更有效地整合到决策过程中。与将状态信息视为后期条件信号的传统方法不同，ThinkProprio 将本体感觉离散化为 token，从而主动引导 VLA 模型对相关视觉信息的注意力。该方法在 CALVIN、LIBERO 和真实世界操作任务等各种基准测试中都表现出更高的性能和更低的推理延迟。
-
新框架增强轻量级机器人控制模型
研究人员开发了XS-VLA，一个新颖的两阶段框架，旨在利用轻量级视觉语言模型增强机器人控制。该框架解决了大型模型在实时应用中的局限性以及小型模型的“空间盲区”问题。XS-VLA首先将来自大型模型Qwen3-VL-4B的空间知识蒸馏到一个小型SmolVLM2-0.25B骨干网络中，以提高其空间基础能力。然后，这个增强的骨干网络会条件化一个潜在流匹配策略，该策略使用CVAE和流匹配动力学来建模复杂的动作分布。
-
CorridorVLA 为生成式动作模型引入显式空间约束
研究人员引入了 CorridorVLA，一种新颖的视觉-语言-动作 (VLA) 模型方法，该方法显式地纳入了空间约束。与先前隐式嵌入空间指导的方法不同，CorridorVLA 将稀疏空间锚点预测为增量物理变化。这些锚点定义了一个容差走廊，通过走廊外的轨迹的校正梯度和走廊内的轨迹的精炼目标来指导动作生成过程。该方法在 LIBERO 和 LIBERO-Plus 等基准测试中取得了显著的改进，其中一个策略在多任务设置中实现了 83.21% 的成功率。
-
NVIDIA 和 Hugging Face 通过新的 AI 工具推动开放机器人技术
NVIDIA 和 Hugging Face 正在合作，通过将 NVIDIA 的 AI 模型和框架集成到 Hugging Face 的 LeRobot 库中，来增强开源机器人社区。此次合作旨在为开发人员提供更易于访问和标准化的机器人开发工具，包括 NVIDIA Isaac GR00T 1.7 模型和 Isaac Teleop 框架。未来的集成将包括 NVIDIA Cosmos 3，一个面向物理 AI 的前沿模型，进一步简化端到端的机器人…
-
新研究详细介绍了逆动力学模型在模仿学习中的样本效率
一篇新的研究论文探讨了逆动力学模型（IDMs）在半监督模仿学习中的样本效率。研究表明，在一种称为基于IDM策略的极限情况下，VM-IDM和IDM标注方法学习到了相同的策略。研究人员将基于IDM策略的优越样本效率归因于其比专家策略更低的复杂度假设类和更低的随机性，这得到了统计学习理论以及在Procgen和LIBERO等基准测试上的实验支持。该论文还介绍了一种改进的用于潜在动作策略学习的LAPO算法。
-
WoVR 框架使用受控世界模型改进 VLA 模型强化学习
研究人员开发了 WoVR，一个新颖的框架，旨在通过使用世界模型作为模拟器来增强视觉-语言-动作 (VLA) 模型的强化学习。这种方法解决了通常阻碍策略优化的想象式 rollout 中出现的幻觉和错误累积的挑战。WoVR 通过动作条件视频世界模型提高了 rollout 的稳定性，通过关键帧初始化的 rollout 减少了有效错误深度，并通过世界模型-策略协同演进确保了策略-模拟器的一致性。实验表明，WoVR 促进了长时程想象式 roll…
-
AI模型激活信号预示视觉变化下的近期故障
研究人员开发了一种方法，通过分析视觉语言动作（VLA）模型（如OpenVLA）的内部激活来检测其潜在故障。在涉及视觉分布变化（特别是遮挡）的受控实验中，一个基于执行后激活训练的轻量级监控器在预测15步范围内的任务失败方面取得了高精度（AUROC 0.972）。这种方法比基线方法更有效，并且即使在测试于不同类型的视觉变化（如相机抖动）时也保持了一定的预测能力，尽管它并未建立因果关系或提供恢复解决方案。
-
Reflective VLA 通过行动后果提高具身AI的泛化能力
研究人员推出了一种新颖的视觉-语言-行动（VLA）模型方法Reflective VLA，旨在提高具身控制任务的泛化能力。与仅依赖当前观察的反应式模型不同，Reflective VLA 整合了观察-行动-后果三元组的历史记录。这种上下文使模型能够更好地理解机器人校准和驱动偏差等部署特定因素。在标准和分布偏移环境中的实验表明，Reflective VLA 显著提高了成功率，尤其是在具有挑战性的跨环境泛化场景下。
-
新的G3VLA模块通过几何感知增强机器人操作VLA模型
研究人员推出G$^3$VLA，这是一个旨在增强机器人操作的视觉-语言-动作（VLA）模型的新模块。该模块解决了2D图像坐标与机器人相机校准几何之间的不匹配问题，尤其是在多摄像头设置中。G$^3$VLA将相机感知的几何结构注入VLA模型，而不会改变其动作空间或学习目标。该系统在各种基准套件和真实机器人环境中，尤其是在对空间和物体细节敏感的任务上，都展示了持续的性能提升。
-
新的FAFM方法生成连续、稳定的机器人动作
研究人员开发了一种新颖的技术——频率感知流匹配（FAFM），通过生成连续且时间上一致的运动来改进机器人动作生成。FAFM解决了现有方法依赖离散动作块的局限性，这些方法在处理以不同频率收集的数据时可能导致不稳定。通过使用离散余弦变换将动作序列转换到频域，然后通过余弦基展开进行重构，FAFM能够生成更平滑、更鲁棒的动作。该方法已在各种基准测试和实际的Franka机器人上取得了成功，提高了控制稳定性和多模态表现力。
-
新研究增强了用于机器人和视觉推理的VLA模型
近期研究探索了增强用于机器人操作和通用视觉推理的视觉-语言-动作（VLA）模型。研究通过域随机化和照片级真实感渲染来研究模拟到现实的泛化能力，并提出诸如 Faithful Warm-Start 等方法，通过在强化学习前确保视觉保真度来提高VLM推理的稳定性。其他工作引入了置信度驱动的测试时强化学习，无需外部奖励即可实现自我改进，以及状态感知分词器，以更好地从离散代码中解码动作。此外，研究还检查了VLA模型中的架构冗余，发现语言骨干对于…
-
新基准和方法改进了 AI 代理的不确定性量化
研究人员开发了新的方法来量化与图形用户界面 (GUI) 交互的 AI 代理以及机器人技术中使用的视觉-语言-动作模型 (VLA) 的不确定性。第一项研究“Argus”在各种代理和数据集上对 27 种方法进行了基准测试，发现不确定性排名在同一模型类别内是稳定的，但在不同模型和界面之间会下降。第二项研究为基于流匹配的 VLA 引入了速度场不一致性 (VFD)，证明了其在故障检测方面的有效性，并实现了一个名为 SAVE 的框架，该框架能够以…
-
新的VLA模型在潜在空间中精炼机器人行动计划
研究人员开发了新的视觉-语言-行动（VLA）模型框架，以改进机器人操作任务。其中一种方法PearlVLA在视觉-语言模型的潜在空间中精炼行动计划，以平衡效率和审慎性。另一种方法LAWM使用世界模型对无标签视频数据进行自监督预训练，从而实现跨不同具身和环境的知识迁移。这两种方法在LIBERO等基准测试中均展现出最先进的性能，LAWM还展示了其在实际应用中的效率。
-
机器人通过技能组合专家在保留旧任务的同时学习新任务
研究人员开发了一个名为SCE（技能组合专家）的新框架，以解决机器人具身持续学习中的灾难性遗忘问题。该框架将任务演示分解为可重用的技能，使机器人能够在保留旧任务的同时学习新的操作任务。在LIBERO基准和现实世界任务上的实验表明，SCE显著提高了性能和保留率。
-
研究发现阶段局部策展对AI演示过滤无效
一篇新发表在arXiv上的研究论文调查了阶段局部策展在强化学习中过滤操纵演示的有效性。研究发现，在任务的特定时间阶段内应用策展指标并未提高性能，在某些情况下，与全局应用指标相比，结果反而更差。研究表明，将缺陷信号集中在单个阶段可能会被跨缺陷阶段的聚合分数稀释，并且每阶段指标选择在不同任务之间不可转移。
-
新的机器人策略模型增强了动作生成和效率
研究人员开发了新的机器人策略学习方法，提高了动作生成效率和准确性。LeaP（一种可学习的源先验）通过对本体感觉进行条件化来优化动作生成的起点，从而在操作任务上取得了显著的性能提升。LaWAM引入了潜在世界动作模型，该模型预测紧凑的潜在视觉子目标而非完整的视频帧，从而在保持高成功率的同时降低了计算延迟。几何动作模型（GAM）将几何基础模型重新用于语言条件操作，直接整合3D几何以实现更鲁棒、更高效的控制。
-
机器人方法使用强化学习处理缺失的传感器数据
研究人员开发了RL4IL，一种新颖的强化学习方法，旨在增强机器人领域的多模态模仿学习，特别是在传感器数据缺失的情况下。该方法利用强化学习从训练库中识别和检索最相关的专家演示。然后，一种软融合技术聚合来自这些选定演示的操作信号，使机器人即使在某些模态不可用时也能预测适当的操作，而无需重新训练系统。
-
新的诊断方法表明，视觉编码器的选择取决于VLA骨干网的规模
一种名为“冻结骨干嫁接”的新诊断方法已被开发出来，用于评估视觉-语言-动作（VLA）策略中的视觉编码器。该方法测试在较小VLA骨干网上表现良好的编码器在较大的骨干网上是否也表现良好。在不同编码器、VLA套件和骨干网（SmolVLA-450M和$\pi_{0.5}$-3.3B）上的实验表明，最佳编码器的选择通常取决于骨干网的规模和特定的任务套件，这表明小规模骨干网的验证并不能可靠地预测大规模骨干网的性能。研究人员提出将此诊断方法作为在扩…