#机器人控制

机器人控制方向的新论文，专门治AMR万向轮低速打滑错位的老毛病，NMPC加强化学习双层配合，仿真和实机都验证过了。

MIT团队推出SGS方法，让百万级并行环境训练更高效，解决了四足机器人和精密装配难题。

这篇论文把机器人模型的历史上下文拉到 19.2 秒，动态杯子堆叠做到 95% 成功，Pi0.5 一个都做不成，方法细节写得很清楚。

用一块贴纸大小的补丁就能让机器人世界模型成功率归零，还能跨模型迁移，做机器人安全研究的可以看看这篇攻击机制分析。

MIT研究证明，在机器人控制任务中，简单的线性记忆机制配合非线性表示学习就足够了，不一定需要复杂的非线性循环动态。

给做机器人策略的人：MemBodied 用固定大小记忆替代越堆越长的上下文，RMBench 上成功率达到无状态策略的 7.81 倍，参数开销还小 10 倍。

这个新模型Agile-WAM对机器人控制很有用，它能让机器人在接触物体时更敏捷，而且速度很快，延迟只有11.9毫秒。

Odyssey-3 能控制机器人、汽车和无人机，比普通模型更强大。

elvis@omarsar0原文

MIT团队发现视觉干扰物如何导致机器人选错目标，并提出三种具体改进方法，在物理机器人上效果显著。

Kuafu系统将符号规划与数据驱动执行统一，无需演示或手动密集奖励，在机器人任务中表现优异。

机器人控制不用再扛百亿参数VLM了，用ViT密集补丁特征直接训练，速度更快、参数量少99.3%，性能还涨18%。想轻量高效做具身策略的可以看这篇。

这篇论文把仿人机器人控制的缩放问题拆解清楚了：Humanoid Transformer配合特定训练范式，让MPKPE直接降了82%，比现有控制器强一大截。

ATACOM-DC改进了安全强化学习，通过方向性约束只在必要时限制动作，比普通方法探索更高效。

Robbyant这个视频动作模型直接用视频训练机器人，别家还没见过类似的。论文和代码全公开，搞机器人和具身智能的可以看看。

elvis@omarsar02 个信源在谈原文

这篇论文把稀疏奖励变密集，让RL学得快。机器人实验证明比原来快很多，实用性强。