算法论文8

π*0.6：让机器人从错误中学习

量子位2025-11-20

AI 摘要

机器人基础模型π*0.6实力亮眼，任务成功率超90%。它引入Recap学习法，核心方法RECAP用价值函数和优势条件化，让机器人从异构数据学习，还能在在线阶段靠专家纠错和自主经验优化。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

TurboVLA：绕开LLM实现高效动作预测

近年来，VLA模型成通用机器人控制重要路线，但模型大、动作更新慢的矛盾凸显。华中科技大学联合华为提出TurboVLA，绕开大语言模型，形成V+L→A路径，降低成本，保持操作能力。

2026 WAIC落幕，具身智能成焦点。当前VLA模型在长程任务中有局限，上海创智学院和智元机器人联合发布τ(0)-VLA，提出分层架构和新推理机制，用大量真机数据训练，在长程任务表现出色。

文章聚焦让VLA模型在机器人上高效运行难题。北大等团队提出Jetson - PI方案，从异步推理算法等三层面优化，在Jetson Orin上控制频率提升8.66倍，推动具身智能向工业应用跃迁。

UC Berkeley团队提出端到端流程，跑通从网络视频生成真实灵巧手实机执行轨迹链路。解决了单目RGB视频手-物交互重建、带噪声参考轨迹动作重定向及遥操作规模化难题。还给出数据筛选要点。