Robot Learning from Human Videos: A Survey
Abstract · 中文整理
这篇综述针对机器人数据难以规模化拓展的瓶颈这一问题，全面梳理了如何利用海量人类视频让机器人被动学习操纵技能的技术(LfHV)，重点提出了涵盖任务、观察和动作导向的分层迁移路径分类体系，并深入探讨了相关的数据集、视频生成方案及未来挑战。
← 研究
Paper library · 43
文献索引
论文，以及由它们展开的问题。
-
-
Random graphs with arbitrary degree distributions and their applications
Abstract · 中文整理
真实网络的度分布往往偏离经典泊松假设。论文建立任意度分布的随机图理论，涵盖无向、有向及二部图，推导巨型连通分量的出现条件、分量规模与平均距离等性质。与真实网络的比较表明，度分布能够解释部分结构，剩余差异则提示模型尚未捕捉的组织规律。
-
ReAct: Synergizing Reasoning and Acting in Language Models
Abstract · 中文整理
ReAct 让语言模型交替生成推理过程和任务行动：推理用于跟踪、更新计划及处理异常，行动则从外部知识或环境中获得新信息。作者在问答、事实核查和交互式决策任务中评估这一方式，讨论它对幻觉、错误传播和任务轨迹可解释性的改善。
-
Reflexion: Language Agents with Verbal Reinforcement Learning
Abstract · 中文整理
Reflexion 探索如何让语言智能体从试错中学习，而无需更新模型权重。它把任务反馈转成文字反思，存入情景记忆，以影响下一次尝试的决策。论文在序列决策、编程与语言推理任务中进行评估，并分析不同反馈来源、反馈使用方式和智能体配置的作用。
-
Knowledge Graph Quality Management: A Comprehensive Survey
Abstract · 中文整理
知识图谱中的错误、过时信息和事实缺失，会影响下游应用的可信度。这篇综述将质量管理放在完整流程中讨论：从质量维度与评价指标，到错误检测、纠正和图谱补全，并按研究目标与使用方法梳理已有工作，讨论仍待解决的问题和后续研究方向。
-
Quality assessment for Linked Data: A Survey
Abstract · 中文整理
语义网技术推动了关联数据的发布，但精心维护的数据集与众包、自动抽取的数据之间，质量差异很大。论文通过系统性文献回顾收集关联数据的质量评估方法，并对这些方法进行定性分析，为理解和比较已有评估工作建立共同的讨论基础。
-
OpenVLA: An Open-Source Vision-Language-Action Model
Abstract · 中文整理
融合 DINOv2 与 SigLIP 视觉特征，以语言模型自回归预测离散动作 Token。
-
FAST: Efficient Action Tokenization for Vision-Language-Action Models
Abstract · 中文整理
通过离散余弦变换和压缩分词表示高频动作序列，用于自回归 VLA。
-
RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control
Abstract · 中文整理
将机器人动作表示为 Token，联合视觉语言任务与机器人数据学习控制策略。
-
Octo: An Open-Source Generalist Robot Policy
Abstract · 中文整理
以可适配多种观察和动作空间的 Transformer 与扩散动作头构建通用机器人策略。
-
3D Diffusion Policy: Generalizable Visuomotor Policy Learning via Simple 3D Representations
Abstract · 中文整理
利用稀疏点云编码的紧凑三维表征，为扩散动作策略提供空间条件。
-
Diffusion Policy: Visuomotor Policy Learning via Action Diffusion
Abstract · 中文整理
把视觉运动控制建模为条件动作去噪，以滚动时域执行预测的动作序列。
-
π₀: A Vision-Language-Action Flow Model for General Robot Control
Abstract · 中文整理
将预训练视觉语言模型与连续动作流匹配专家连接，生成机器人动作块。
-
π₀.₇: a Steerable Generalist Robotic Foundation Model with Emergent Capabilities
Abstract · 中文整理
通过多样化上下文条件、子目标和性能信息，使通用机器人策略更易于指引。
-
RDT2: Exploring the Scaling Limit of UMI Data Towards Zero-Shot Cross-Embodiment Generalization
Abstract · 中文整理
研究规模化 UMI 数据与分阶段动作建模，面向零样本跨具身泛化。
-
RDT-1B: a Diffusion Foundation Model for Bimanual Manipulation
Abstract · 中文整理
通过大规模扩散 Transformer 学习双臂机器人操作的连续动作分布。
-
Discrete Diffusion VLA: Bringing Discrete Diffusion to Action Decoding in Vision-Language-Action Policies
Abstract · 中文整理
在统一 Transformer 中对离散动作块迭代去噪，支持并行解码与不确定位置的重新掩蔽。
-
Mastering diverse control tasks through world models
Abstract · 中文整理
DreamerV3 通过潜在世界模型生成想象轨迹，并联合学习 Actor 与 Critic；此处引用 Nature 正式发表版本。
-
Training Agents Inside of Scalable World Models
Abstract · 中文整理
Dreamer 4 利用可扩展视频世界模型，在想象交互中训练智能体。
-
DINO-WM: World Models on Pre-trained Visual Features enable Zero-shot Planning
Abstract · 中文整理
在冻结的 DINOv2 空间特征上学习动力学，并在测试时优化动作序列进行目标导向规划。
-
DreamDojo: A Generalist Robot World Model from Large-Scale Human Videos
Abstract · 中文整理
以连续潜在动作利用大规模人类视频预训练，再适配机器人动作条件，用于预测、评估与规划。
-
WALL-SS: Scaling Long-horizon World Models via Next-Scale Autoregression
Abstract · 中文整理
通过下一尺度自回归、动作条件和有界时间尺度记忆，支持长时程机器人世界模拟。
-
World Action Models are Zero-shot Policies
Abstract · 中文整理
DreamZero 基于视频生成先验联合预测未来观察与机器人动作，探索零样本策略泛化。
-
Native Video-Action Pretraining for Generalizable Robot Control
Abstract · 中文整理
LingBot-VA 2.0 面向具身控制原生预训练视频与动作模型，耦合预测与闭环执行。
-
Cosmos 3: Omnimodal World Models for Physical AI
Abstract · 中文整理
使用统一 Mixture-of-Transformers 架构处理语言、图像、视频、音频和动作的理解与生成。
-
GE-Act 2.0: Pretraining and Scaling a World-Action Model for Robotic Manipulation
Abstract · 中文整理
从操作数据出发训练世界动作模型，通过压缩表示、视觉规划与动作解码连接预测和控制。
-
RISE: Self-Improving Robot Policy with Compositional World Model
Abstract · 中文整理
将动力学模型与进度价值模型组合，在想象轨迹中改进独立机器人策略。
-
Ctrl-World: A Controllable Generative World Model for Robot Manipulation
Abstract · 中文整理
以动作条件视频世界模型模拟机器人交互，为策略评估及合成数据驱动的改进提供环境。
-
VLAW: Iterative Co-Improvement of Vision-Language-Action Policy and World Model
Abstract · 中文整理
交替利用真实策略轨迹改进世界模型，再使用合成轨迹提升 VLA 策略。
-
π₀.₅: a Vision-Language-Action Model with Open-World Generalization
Abstract · 中文整理
通过异构数据联合训练和分层推理，提高机器人策略在开放环境中的泛化。
-
SpatialVLA: Exploring Spatial Representations for Visual-Language-Action Model
Abstract · 中文整理
将空间表征引入视觉语言动作模型，强化三维几何理解与机器人动作预测。
-
MolmoAct: Action Reasoning Models that can Reason in Space
Abstract · 中文整理
通过深度感知、空间轨迹规划和动作预测，构建可解释、可指引的动作推理流程。
-
MolmoAct2: Action Reasoning Models for Real-world Deployment
Abstract · 中文整理
面向真实部署扩展动作推理模型，连接空间理解、推理与机器人控制。
-
π*₀.₆: a VLA That Learns From Experience
Abstract · 中文整理
RECAP 用价值模型估计优势，结合演示、自主采样和人工纠正进行优势条件策略学习。
-
RL Token: Bootstrapping Online RL with Vision-Language-Action Models
Abstract · 中文整理
将 VLA 表征压缩为 RL Token，以轻量 Actor-Critic 接口进行在线策略改进。
-
RL-100: Performant Robotic Manipulation with Real-World Reinforcement Learning
Abstract · 中文整理
对扩散策略采用去噪过程中的 PPO 风格更新，并结合离线评估和一致性蒸馏。
-
AVID: Learning Multi-Stage Tasks via Pixel-Level Translation of Human Videos
Abstract · 中文整理
摘要待补充。可先访问论文原文。
-
Learning Generalizable Robotic Reward Functions from “In-The-Wild” Human Videos
Abstract · 中文整理
摘要待补充。可先访问论文原文。
-
Towards Universal Visual Reward and Representation via Value-Implicit Pre-Training
Abstract · 中文整理
摘要待补充。可先访问论文原文。
-
LIV: Language-Image Representations and Rewards for Robotic Control
Abstract · 中文整理
摘要待补充。可先访问论文原文。
-
RoboCLIP: One Demonstration is Enough to Learn Robot Policies
Abstract · 中文整理
摘要待补充。可先访问论文原文。
-
Rescaling Egocentric Vision: Collection Pipeline and Challenges for EPIC-KITCHENS-100
Abstract · 中文整理
摘要待补充。可先访问论文原文。
-
Ego4D: Around the World in 3,000 Hours of Egocentric Video
Abstract · 中文整理
摘要待补充。可先访问论文原文。