视觉与机器人

机器人 / 具身智能

机器人、具身智能、机器人学习、操作、导航和具身世界模型。

2026-04-22 至 2026-04-22 共收录 2 篇信号源：cs.RO, cs.AI, cs.CV, cs.LG

1. 机器人基础模型 2 篇

2604.18791 2026-04-22 cs.LG cs.AI 81%

HELM：增强型长时程记忆用于视觉-语言-动作操控

Zijian Zeng, Fei Ding, Huiming Yang, Xianwei Li

机构 * Tsinghua University（清华大学）； Alibaba Group（阿里巴巴集团）； Bengbu University（Bengbu大学）

专题命中机器人基础模型：manipulation(title,abstract)；分类 cs.AI、cs.LG

AI总结 HELM通过解决记忆、验证和恢复三大缺陷，提升长时程视觉-语言-动作任务性能，其核心贡献是学习的State Verifier在任务成功率上显著优于传统方法。

Comments 9 pages, 2 figures

2604.19728 2026-04-22 cs.RO cs.AI cs.CV cs.LG cs.SE 70%

VLA Foundry：一种统一训练视觉-语言-动作模型的框架

Jean Mercat, Sedrick Keh, Kushal Arora, Isabella Huang, Paarth Shah, Haruki Nishimura, Shun Iwase, Katherine Liu

机构 * Toyota Research Institute（丰田研究院）

专题命中机器人基础模型：manipulation(abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 VLA Foundry 提供了一个统一的训练框架，整合了大语言模型、视觉语言模型和视觉-语言-动作模型的训练，支持从头训练和预训练模型，并在 LBM Eval 模拟器上评估了闭合回路策略性能。

Comments 32 pages, 16 figures, technical report