RSS 2026
PulseAugur coverage of RSS 2026 — every cluster mentioning RSS 2026 across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
机器人通过新的人工智能技术以最少的数据学习复杂任务 · 跟踪 9 个来源
研究人员正在开发新的方法，使机器人能够以显著减少的数据量学习复杂的操作任务。创新包括从单一人类演示中合成多样化的训练数据，在没有配对示例的情况下对人类和机器人之间的触觉数据进行对齐，以及使模型适应水下或手术环境等具有挑战性的环境。这些进步旨在使机器人更具适应性，并能够以最少的先验指令执行精细任务。
-
世界模型因运动学想象缺陷而在长视界任务中失败
研究人员发现世界模型在长视界任务中失败的一个关键原因：它们倾向于进行运动学想象，而不是动力学想象。这一区别至关重要，因为虽然运动学想象可能保持一致，但在物理条件发生变化（例如跨越摩擦边界）时，它可能导致策略奖励崩溃。该研究提出了一种新的诊断方法，即想象的运动学一致性误差（iKCE），来衡量这种现象。在 DreamerV3 检查点上进行测试时，尽管奖励显著下降，但该模型仍表现出平坦的 iKCE，表明其未能根据变化的物理现实动态调整其预测。
-
千寻智能Legato实现流畅机器人运动 · 跟踪1个来源
千寻智能高阳团队的研究人员开发了Legato，一种新颖的视觉-语言-动作（VLA）模型训练方法，使机器人能够以自然、流畅的过渡执行动作。与以往在推理过程中修补连续性的方法不同，Legato将连续性直接整合到训练过程中。这是通过一种噪声-实值混合机制和逐步去噪过程实现的，该过程确保了训练和推理之间的一致性，从而实现更流畅、更高效的机器人运动。
-
清华大学发布GS-Playground，实现高效具身AI仿真
清华大学AIR DISCOVER Lab的研究人员开发并开源了GS-Playground，这是一个旨在克服视觉中心具身AI训练瓶颈的新型仿真框架。该框架集成了高吞吐并行物理仿真和高保真渲染，能够为机器人提供更快、更准确的训练。关键创新包括自主研发的并行物理引擎和内存高效的批量3DGS渲染技术，显著提高了性能并降低了资源需求。这使得仿真到现实的无缝迁移成为可能，在GS-Playground中训练的策略在物理机器人上无需微调即可实现高成功率。
-
Galbot发布LDA-1B世界动作模型并开源框架
Galbot，一家中国领先的具身智能公司，估值超过28亿美元，已推出LDA-1B，一个拥有16亿参数、专为世界动作学习设计的模型。该模型在训练数据从5000小时增加到30000小时时表现出规模效应。Galbot已开源该框架，相关研究已被RSS 2026录用。