东南大学魏秀参团队提出 LeaP:让机器人动作生成从可学习源先验起步,已被 CoRL 2026 接收
东南大学魏秀参团队提出 LeaP(Learnable source Prior),用本体感知信息联合预测初始高斯分布的均值与方差,为生成式机器人策略提供状态相关的随机初始化。
东南大学魏秀参团队提出 LeaP(Learnable source Prior),用本体感知信息联合预测初始高斯分布的均值与方差,为生成式机器人策略提供状态相关的随机初始化。
微软研究院对移动操作机器人工作负载做了系统性测量,发现把物理 AI 推理从机载 GPU 卸载到边缘或云端 GPU 可提升任务表现并延长续航。
推荐理由:微软研究院对机器人推理负载的系统性测量,给出了把推理从机载 GPU 卸载到边缘或云端的性能与续航数据。
OpenAI 训练了一对神经网络,让类人机械手解开魔方,训练完全在仿真中完成,使用与 OpenAI Five 相同的强化学习代码,并搭配名为 Automatic Domain Randomization(ADR)的新技术。该系统能应对训练中从未见过的情况,例如被毛绒长颈鹿戳碰,说明强化学习不只适用于虚拟任务,也能解决需要极高灵巧度的物理世界问题。
推荐理由:OpenAI 用同一套强化学习代码加 ADR 在仿真中训练机械手解魔方,可观察仿真到真实世界的迁移思路。
OpenAI 训练出一只类人机械手,能以"前所未有的灵巧度"操控实体物体。该成果展示了机器人在物理操作能力上的进展。
OpenAI 最新机器人技术让完全在仿真中训练、部署到实体机器人上的控制器,能在完成简单任务时对环境中未预料的变化做出反应,从而构建出闭环系统而非此前的开环系统。
OpenAI 发布一套机器人系统,完全在仿真环境中训练后部署到实体机器人上,能在看过一次任务示范后学会新任务。
推荐理由:OpenAI 早期机器人研究,展示纯仿真训练后迁移到实体机器人并实现单次示范学习新任务。