算法论文8

DADP：让机器人策略读懂「动力学」

新智元2026-07-27

AI 摘要

UC Berkeley等联合提出DADP策略，它先过滤瞬时线索学静态域，再改写生成过程，在跨域控制任务中表现强，尤其在OOD场景优势显著，不过还需解决域随时间变化问题。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

具身智能评测：机器人距通用操作还差得远

原推出RoboTwin系列基准的团队带来RoboDojo，这是统一的仿真+真实世界机器人操作评测基准。它设42个仿真任务、18个真实任务，让30个主流策略竞技，结果显示机器人距通用操作差距大。

新加坡南洋理工大学 MARS Lab 提出 Action-to-Action (A2A) Flow Matching 新范式，以历史机器人轨迹为生成起点，打破生成速度与精度瓶颈，在训练效率、推理速度及泛化表现上佳，还可扩展至视频生成领域。

阿尔伯塔大学强化学习团队提出FAME框架，解决持续强化学习“学新忘旧”问题。团队先定义基础概念，将知识整合写成优化问题，再受人类学习机制启发设计FAME，实验优势明显。研究还探讨持续学习的产业价值。

强化学习与可验证奖励提升视觉语言模型推理能力，但存在答案奖励只知对错、不知证据区域问题。哈工大等团队提出EASE，把标注证据区转为目标分布，监督空间注意力，推理无额外标注，实验成绩优异。