公司与机构
宇树科技的全部动态：四足与轮足机器人、G1/H 系列人形机器人、开源 SDK 与二次开发生态的持续追踪。
25 条精选近 30 天 25 条共收录 56 条
论文提出 CIRRA（Continual Instruction Reconciliation for Robot Agents），一个面向家庭机器人在执行任务中接收新指令的双层框架，结合 LLM 语义推理与规则约束的结构化整合：先将新指令落到唯一可执行技能并消解未指明的动作与位置，再保留进行中的子任务序列作为执行骨架，仅对被修改的片段做依赖与冲突评估以选出局部整合方案。
推荐理由：论文给出 CIRRA 在 CHIRP 上 74.2% 决策一致率与 Unitree G1 实机结果，可评估其相对重规划基线的差距。
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。
论文提出 Reflex 三阶段框架，让人形机器人以第一人称视觉完成接住抛掷纸箱的全身反应控制：先用强化学习训练全身接物策略，再让策略从延迟不完整观测中推断纸箱动力学，最后用第一人称 RGB-D 编码器直接从视觉恢复该动力学表示。
推荐理由：论文给出仿真与真机的对照数据，可评估视觉历史对人形机器人接物成功率的实际影响。
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。
提出 Similarity-guided LoRA-PNN，用渐进式神经网络策略结合轻量 LoRA，在顺序任务流中让人形全身控制器持续学习而不遗忘已掌握技能。基于动态时间规整与最优传输的两级运动相似度决定复用哪个先验技能并分配新容量，在六个顺序学习技能类别上取得最佳前向迁移 0.125 与最高平均准确率，节省最多 94.5% 可训练参数和 40.8% 训练时间。