Embodied AI Daily具身智能科研日报

具身智能早报

关注机器人研究、开源与产业的新进展

‹ ›
具身系统日报 · VLA记忆与三维世界状态
本期导读

本期于2026-10-18按新要求重编,各条保留原始发布日期。两篇重点解读分别关注VLA动作专家的近期记忆,以及与相机视角解耦的三维世界状态。基于实际读到的论文节选整理,区分作者报告与独立验证。

10 条内容 · 2 篇重点解读 · 8 条简讯

REKI 官方项目页的机器人水果操作演示封面
真机演示封面 · 官方项目页图源:Kyutai / REKI
arXiv cs.CV filtered精读

REKI: Registering Knowledge in VLAs

Juliette Marrie、Paul Pacaud 等 · 5 位作者

REKI是基于公开数据预训练的2.4B参数视觉语言动作模型(VLA)。作者在动作专家中引入寄存器token缓存每帧视觉语言模型输出,为策略提供低开销近期记忆,并在仿真和真实机器人上评估其效果。

机器人基础模型VLA记忆
论文
展开解读与证据

REKI是基于公开数据预训练的2.4B参数视觉语言动作模型(VLA)。作者在动作专家中引入寄存器token缓存每帧视觉语言模型输出,为策略提供低开销近期记忆,并在仿真和真实机器人上评估其效果。

为什么值得关注

为小型团队研究可复现VLA预训练,以及低开销历史上下文记忆提供具体模型和实现线索。

研究问题

机器人策略需要利用近期历史,但直接重复编码历史图像会增加推理开销,且分块动作生成易导致姿态振荡。

方法原理

视觉语言模型后接流匹配动作专家;少量寄存器token汇总每帧VLM输出,并持久保存在动作专家缓存中,作为近期记忆。

结果与证据

作者报告在仿真和实机评估中,加入记忆改善了任务成功表现,并使动作姿态间的振荡约少四倍。该结果限于原文评估配置,本期未独立复现。

阅读边界
本次依据工具返回的截断正文节选,未独立复现或逐项复核全部实验配置;不能把作者报告的局部结果外推为完整机器人系统的通用性能保证。

作者:Juliette Marrie、Paul Pacaud、Adrien Ramanana Rahary、Shizhe Chen、Moritz Böhle

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

GeoState: Learning View-Decoupled Geometry States for 3D World Modeling:Figure 2: Qualitative multi-view depth forecasting. Red boxes highlight prediction differences.
Figure 2: Qualitative multi-view depth forecasting. Red boxes highlight prediction differences.图源:论文作者 / arXiv
arXiv cs.CV filtered精读

GeoState: Learning View-Decoupled Geometry States for 3D World Modeling

Hongchang Liu、Jian Liu 等 · 8 位作者

GeoState把场景状态演化与相机视角变化分开建模:多视角几何基础模型特征聚合成场景状态,由相机射线查询几何解码器。作者在Waymo评估,并报告跨视角一致查询及到KITTI、nuScenes的零样本泛化。

机器人基础模型三维世界模型自动驾驶
论文
展开解读与证据

GeoState把场景状态演化与相机视角变化分开建模:多视角几何基础模型特征聚合成场景状态,由相机射线查询几何解码器。作者在Waymo评估,并报告跨视角一致查询及到KITTI、nuScenes的零样本泛化。

为什么值得关注

面向自动驾驶与具身感知的三维世界预测,提供将场景动态与观察视角分离的状态表征设计。

研究问题

直接以依赖观察视角的几何特征作为世界状态,会把场景动态与相机移动引起的变化纠缠在一起,增加预测难度。

方法原理

场景tokenizer聚合多视角几何基础模型特征,形成与视角解耦的场景状态;几何解码器通过相机射线查询,自回归世界模型预测未来状态,相机运动单独建模。

结果与证据

作者报告Waymo上的三维预测效果、几何一致的跨视角查询,以及到KITTI和nuScenes的零样本泛化。本期不把几何预测效果外推为真实机器人闭环任务成功率。

阅读边界
本次依据工具返回的截断正文节选,未独立复现或逐项复核全部实验配置;不能把作者报告的局部结果外推为完整机器人系统的通用性能保证。

作者:Hongchang Liu、Jian Liu、Yujuan Ding、Liang Peng、Xun Jiang、Fei Ma、Xing Xu、Yi Bin

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

这项机器人状态估计研究提出候选驱动的对偶认证框架,讨论可观测性退化时的全局最优性核验,避免直接求解半定规划时的秩扩张问题。

更多

仅依据作者摘要整理;正文、实验细节及代码可用性尚未核验。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

这项分层体素建图方法让规划反向指导地图分辨率:当前路径走廊内使用细分辨率,其余区域用粗分辨率,以减少地图存储和融合计算。

更多

仅依据作者摘要整理;正文、实验细节及代码可用性尚未核验。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

AdaRSI先让编码代理改进技能与执行框架,再对持续失败的子步骤进行归因和有选择的微调,研究具身系统何时需要更新执行模型权重。

更多

仅依据作者摘要整理;正文、实验细节及代码可用性尚未核验。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

DD-GBP利用分布式动态高斯置信传播并行规划多机械臂的关节轨迹,通过局部因子图与异步消息交换支持动态环境中的持续执行。

更多

仅依据作者摘要整理;正文、实验细节及代码可用性尚未核验。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

这篇综述按模型、数据、环境与执行框架四个功能域梳理 Agentic Robots,讨论机器人系统如何组织学习、数据收集、任务规划和执行。

更多

仅依据作者摘要整理;正文、实验细节及代码可用性尚未核验。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

这项研究在单任务策略和多任务 VLA中比较连续与离散动作表示,指出离散预测中的分解误差,并讨论离散流与引导策略的修正作用。

更多

仅依据作者摘要整理;正文、实验细节及代码可用性尚未核验。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

这项导航模仿学习方法先从局部几何生成候选模式,再由分层网络学习选哪条路径及如何执行,避免直接平均多种有效示教动作。

更多

仅依据作者摘要整理;正文、实验细节及代码可用性尚未核验。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

这项 cuVSLAM优化工作把视觉与惯性约束的权重选择简化为两种经验模式,并训练轻量视觉质量估计器,在稀疏束调整中预测该采用哪种模式。

更多

仅依据作者摘要整理;正文、实验细节及代码可用性尚未核验。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…