papers batch 12

时间预算非常不够，大概读一下，只看 idea.

Dream1 (91)

https://dreamlabs.ai/research/dream-1/

没有提到架构，只说 eef, 并且认为 WAM 有自动适应本体和头部视角的能力.

其实 demo 拍摄的比较拉，但是我们真机 zero-shot 实测其实还可以.

BOE; BridgeWAM (92)

⭐️⭐️ 方佳鑫, FDU, 椰青分享 | https://www.alphaxiv.org/abs/2610.14746

用 learnable query （直接放 video dit） 代替 MoT. ae 只有两层.

主要是为了加速，以及（据称）减少无关视觉干扰. 不过用 VPP 套这个 BoE，作者说掉点了.

ForceWAM (93)

⭐️⭐️⭐️ zijun xu, wendi chen, FDU, SJTU, 杨理欣

训练一个预测未来六轴力矩的 WM，然后小型 IDM, reactive.

训练数据有 demo & play，其中 play 是探索性按压等非成功操作. Play 数据只用于训练 IDM.

EvoMemVLA (94)

⭐️⭐️ yuheng na, haoang li, XJTU | https://www.alphaxiv.org/pdf/2610.05418

为了增强记忆能力，用 DINOV3 提取图片特征后，训练 LAPA-style 相邻帧隐式动力学 encoder，插入 state 历史中送入 VLM.

RMBench 上移除 delta tokens（仍保留视觉历史帧和子任务路由），整体成功率从 80.7% 降到 52.3%；改用简单的 DINOv3 特征相减则为 47.1%

SuperMimic (95)

⭐️⭐️⭐️⭐️⭐️ qiayuan liao, UCB | https://www.alphaxiv.org/abs/2610.28480

引入 WM 加速 rollout 10 倍，通过 32 步 wm imagine 将 policy 训练时样本效率提升 64 倍.

wm 只预测 1 步，因此并不 conditioned on policy. 而要进行多步预测的话，就要 wm -> policy -> wm -> policy… 这样去 roll.

• 训练 WM 时，8 步窗口，直接从 replay buffer 中取 (s, a)，自回归预测 s_hat, loss 直接取 s_hat <=> s>
  • 
• 训练 policy 时，32 步窗口，冻结 WM:
  • 
  • 通过 BPTT 反传梯度.

flowchart LR
    S["当前状态 s_t"] --> D["动力学 MLP<br/>2048 → 2048 → 2048"]
    A["动作 a_t"] --> D
    X["仿真上下文 ξ"] --> D
    D --> NS["下一状态 ŝ_(t+1)"]

    NS -.-> R["奖励预测头. 非 learnable 但可微"]
    NS -.-> O["无噪声观测预测头"]
    NS -.-> T["终止概率预测头"]
    G["目标 g_t"] -.-> R
    G -.-> T

flowchart LR
    G["未来 10 帧参考动作"] --> E["动作编码器 MLP<br/>2048 → 1024 → 512 → 256"]
    E --> Z["32 维潜变量 z"]

    O["最近 10 帧观测历史"] --> D["共享解码器 MLP<br/>2048 → 1024 → 512 → 256"]
    Z --> D
    D --> A["29 维动作<br/>关节设定值"]

    S["状态 s_t、目标 g_t、上下文 ξ"] --> V["Critic MLP<br/>256 → 128"]
    V --> Q["回报估计"]

FOMI (96)

yishu shen, yinghao xu, HKUST 港科大 | 剪刀手 UMI. 没有安装力传感器也没有安装触觉传感器。Why not use generalist?

When One Step Is Enough (97)

⭐️⭐️⭐️ 日本 ARAYA Inc | https://www.alphaxiv.org/abs/2610.30735

拿 SmolVLA、X-VLA、FLOWER、π0.5、LAP 以及 XR-0 这六个模型的官方 ckpt 测试 FM 多步积分和单步积分.

结论是对于 1B 以上并且训练充分的模型，一步和多步基本等价

然而 qwen-manip 中呈现 FM4 和 FM10 在 robotwin c2r (joint) 上有显著差异.

EmbodiedEvo (98)

Einsai.AI(香港, Calvin Xiao) | https://www.alphaxiv.org/abs/2610.18867

智能体先在每类任务的单一演练场景（Playground）中探索，将沉淀的 skills & lessons 固化后直接迁移给新场景中的独立智能体复用. 在依赖记忆的任务和协调动作更有优势.

FLORA (99)

NVIDIA 推出的切分、标注和打分模型 (9B, 17B, 397B-A17B)，是三个 Qwen 训练的. 在 WGO-Bench, RoboReward 和 Robometer 取得 SOTA 而成本只有 astra 1/125.

奖励可以标稀疏或者每 0.5s 稠密. 权重已开源.

PrismWAM (100)

⭐️⭐️⭐️ 清华, NVIDIA | https://www.alphaxiv.org/abs/2610.26564

本文考虑到WAM不应该从 rgb 反推动作，应该从深度反推动作. 因此，RGB 仅仅是辅助任务，并且只预测任务完成后的一帧. 两者共享 WAN 主干.

C2R 挺高的，但是这是当然的.