RoboJEPA：面向多本体机器人世界模型的扩展律研究
论文提出基于 JEPA 的机器人世界模型 RoboJEPA，在覆盖 12 种机器人本体的大规模真实机器人数据集上训练，其想象误差（latent rollout 误差）随算力呈二阶幂律，可在拟合规模之外预测模型质量。
推荐理由：论文给出想象误差随算力的二阶幂律，为评估多本体世界模型规模提供了可迁移的预测方法。
#端侧AI
arXiv cs.RO 机器人学精选AI 评分6666 Hugging Face 每日论文精选AI 评分6464 Long-WAM：扩展世界-动作模型上下文的模型系统框架
Long-WAM 提出在实时控制约束下扩展因果世界-动作模型上下文的模型系统框架，核心发现是访问历史不等于使用历史，更长历史只有在视频底座经自回归预训练时才显著见效。
推荐理由：论文用对照实验说明自回归预训练的视频底座才让长历史真正转化为成功率提升，可为世界模型选型提供依据。
arXiv cs.RO 机器人学精选AI 评分5858 Micro Neural Policies 实现 MCU 上安全实时机器人控制
论文提出 Micro Neural Policies（MNP）合成方法，结合 Evolution Strategy（ES）搜索与 Statistical Model Checking（SMC）验证，在不牺牲安全与鲁棒性的前提下大幅压缩神经网络规模。
推荐理由：论文给出策略内存占用与抖动等量化指标，便于评估微型神经策略在 MCU 上的部署可行性。
arXiv cs.RO 机器人学精选AI 评分6262 NTNU 提出可在单核 MCU 上运行的雷达惯性里程计
NTNU 团队提出面向低算力平台的嵌入式雷达惯性估计器，所有传感器驱动、数据处理与辅助惯性导航均在单核 MCU 上运行。飞行实验显示相对动捕的平移 APE 为 0.51-0.82 m、RPE 低于 3%，并完成基于未修改 PX4 栈的闭环飞行；固件与 PCB 设计已在 GitHub 的 ntnu-arl/embedded_rio 和 ntnu-arl/embedded_rio-pcb 开源。
推荐理由：论文给出单核 MCU 上的完整实现与实测误差区间，可评估其在算力受限平台替代视觉方案的可行性。
arXiv cs.RO 机器人学精选AI 评分6060 Flash-WAM 提出模态感知步蒸馏，将世界动作模型推理压缩到单步
Flash-WAM 提出模态感知的步蒸馏框架，针对动作流低噪声区间采用线性梯度缩放参数化、视频流高噪声区间采用保方差参数化，把世界动作模型推理压缩到每个模态单步。
推荐理由：论文给出了动作流与视频流噪声分布不对称的结构性分析，做世界动作模型实时推理的团队可据此选择一致性函数参数化。
arXiv cs.RO 机器人学精选AI 评分5858 面向实时 VLA 的两阶段非均匀去噪与系统级评测
论文针对 VLA 模型低速率推理与机器人高速率执行之间的时间差，测量了模型推理与机器人执行链的端到端时延，并提出两阶段非均匀去噪，将去噪步数从 10 步减到 2 步、模型推理时间从 61.557 ms 降到 21.956 ms。
推荐理由：论文给出两步去噪把推理时间从 61.557 ms 降到 21.956 ms 的实测数据，可为 VLA 实时化优化提供参考。
arXiv cs.RO 机器人学精选AI 评分5858 FLASH Policy 用稀疏采样与 Legendre 多项式实现高效视觉运动策略
FLASH Policy 用 Legendre 多项式连续轨迹表示替代离散动作块生成，通过稀疏时间采样拟合专家演示，单次推理即可覆盖更长的动作时域。该方法以历史多项式系数而非高斯噪声初始化流匹配，缩短传输距离并支持单步推理，多项式解析求导还可直接为力矩控制器提供速度前馈信号。
推荐理由：用 Legendre 多项式连续轨迹替代离散动作块，配合历史系数初始化流匹配，给出了单步推理与速度前馈的完整实现思路。
arXiv cs.RO 机器人学精选AI 评分5858 ProbeFlow 提出免训练自适应 Flow Matching 推理框架，加速 VLA 模型动作解码
Zhou Fang 等提出 ProbeFlow，一种面向 VLA 模型的免训练自适应推理框架，通过初始与前瞻速度向量的余弦相似度评估轨迹复杂度并动态调度积分步数，以剪枝冗余网络评估。
推荐理由：原文给出用速度向量余弦相似度动态调度积分步数的方法，可迁移到其他 Flow Matching 动作头的推理加速。
arXiv cs.RO 机器人学精选AI 评分5858 RealtimeWAM 提出一步动作生成与异步推理的 World Action Model
RealtimeWAM 提出一步动作生成与异步推理的 World Action Model，针对动作专家内部多步去噪和视频与动作专家串行等待两个瓶颈。
推荐理由：论文用一致性蒸馏加跨专家流水线压缩 WAM 推理，给出的加速比和精度损失数据可为实时机器人策略选型提供参考。
arXiv cs.RO 机器人学精选AI 评分5858 研究刻画 VLA 工作负载特性，指导具身 AI 系统设计
一篇将发表于 ASPLOS '27 的论文对 4 个代表性 VLA 模型在边缘 GPU 服务器和两款车载 SoC 上做了单次推理剖析与 43,200 次闭环实验。结果显示动作张量维度决定各阶段是内存受限还是算力受限，平台平衡会改变瓶颈位置，GPU 频率调节存在平台相关的能耗-时延最优区间。闭环运行中推理与动作执行重叠会带来精度-速度-能耗权衡，没有一种配置在各类部署 SLO 下都占优。
推荐理由：论文给出 VLA 模型在 batch-1 控制场景下的内存与算力瓶颈判定依据，可为模型、硬件与运行时联合设计提供参考。
已经到底了