PointWalker：直接从激光雷达原始点云学习无地图四足运动
PointWalker: Mapless Quadruped Locomotion Directly From Raw LiDAR Point Clouds
通过注意力机制融合激光雷达点云与机器人自身状态，以强化学习策略连接地形感知和四足运动。
THE RESEARCH ATLAS
具身智能与机器人论文
从视觉—语言—动作模型到世界模型与机器人操作。阅读时区分仿真表现、受限场景演示和真实部署证据。
FACT：面向人类到机器人灵巧技能迁移的多模态力—动作—轨迹基础模型
FACT: A Multimodal Force-Action-Track Foundation Model for Human-to-Robot Dexterity
结合人类与机器人示范，通过感知交互力的规划研究灵巧操作。
机器人能够完成哪些工作？
What work can robots do?
从工作任务出发分析机器人能力，区分受限场景中的演示能力与广泛部署。
UnifoLM-WLA-1.0：单一模型驱动的全身协调
UnifoLM-WLA-1.0: One Model Driven, Whole-Body Coordination
将具身理解、交互世界建模与动作学习放入通用人形机器人框架，覆盖桌面和全身操作。
Qwen-RobotWorld：语言驱动的具身世界模型
Qwen-RobotWorld Technical Report: Unifying Embodied World Modeling through Language-Conditioned Video Generation
语言条件视频世界模型预测操作、导航和驾驶等场景中的未来视觉轨迹。
UniDex：从第一视角人类视频中学习通用灵巧手控制的机器人基础套件
UniDex: A Robot Foundation Suite for Universal Dexterous Hand Control from Egocentric Human Videos
以数据集、VLA 策略及采集系统，将人类示范连接到不同灵巧手的控制。
UnifoLM-VLA-0：面向人形机器人操作的视觉—语言—动作框架
UnifoLM-VLA-0: A Vision-Language-Action (VLA) Framework under UnifoLM Family
以机器人操作数据继续训练视觉—语言模型，将指令与空间理解连接到动作预测。
Gemini Robotics 1.5：以高级具身推理、思考与动作迁移推进通用机器人前沿
Gemini Robotics 1.5: Pushing the Frontier of Generalist Robots with Advanced Embodied Reasoning, Thinking, and Motion Transfer
报告结合具身推理、交错思考与跨机器人形态的动作迁移。
MolmoAct：能够进行空间推理的动作推理模型
MolmoAct: Action Reasoning Models that can Reason in Space
将深度感知、空间规划与底层动作预测组织成明确的动作推理流程。
SmolVLA：面向低成本、高效率机器人的视觉—语言—动作模型
SmolVLA: A Vision-Language-Action Model for Affordable and Efficient Robotics
紧凑的视觉—语言—动作模型探索更易获得的机器人学习与高效推理流程。
华为乾崑智驾 ADS 4：世界引擎与世界行为模型
Huawei Qiankun ADS 4: World Engine and World Behavior Model (WEWA)
官方发布 WEWA 架构，将云端生成式场景与车端世界行为模型连接到自动驾驶系统。
π0.5：具有开放世界泛化能力的视觉—语言—动作模型
π0.5: a Vision-Language-Action Model with Open-World Generalization
视觉—语言—动作系统利用多种监督来源，研究跨环境与任务泛化。
GR00T N1：面向通用人形机器人的开放基础模型
GR00T N1: An Open Foundation Model for Generalist Humanoid Robots
耦合视觉语言模块与扩散动作模块，把推理和连续机器人动作生成结合。
Gemini Robotics：将人工智能带入物理世界
Gemini Robotics: Bringing AI into the Physical World
基于 Gemini 的模型探索机器人操作与具身推理，把多模态理解连接到物理控制。
π0：面向通用机器人控制的视觉—语言—动作流模型
π0: A Vision-Language-Action Flow Model for General Robot Control
将预训练视觉语言主干与基于流的动作生成结合，用于多种机器人任务。
OpenVLA：开源视觉—语言—动作模型
OpenVLA: An Open-Source Vision-Language-Action Model
开源视觉—语言—动作模型及适配框架，为通用机器人策略研究提供基础。
RT-2：视觉—语言—动作模型将网络知识迁移至机器人控制
RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control
让视觉语言模型输出机器人动作，探索网络规模学习向机器人控制的迁移。
扩散策略：通过动作扩散学习视觉运动策略
Diffusion Policy: Visuomotor Policy Learning via Action Diffusion
将机器人控制建模为条件动作序列去噪，把扩散模型连接到视觉运动学习。
研究该主题的机构
括号内是该机构在本索引中带此主题的记录数。