本文介绍了IsaacSim中机器人的基本概念和控制方法： 机器人本质是由刚体、关节和驱动器组成的Articulation结构，Robot类提供了友好的API封装； 机器人控制包括直接设置关节位置和使用Drive驱动两种方式，后者通过物理引擎实现更真实的运动； 针对复合结构（如带夹爪的机械臂）需要分别控制不同部件； 对于存在Mimic关节的机构（如Robotiq夹爪），只需控制主动关节，从动关节通过

该YAML配置文件完整定义了cuRobo机器人的物理属性与运动规划参数，主要包括：1）资产路径（URDF/mesh资源）；2）运动学链（基础/末端连杆）；3）碰撞检测规则（参与碰撞的连杆、自碰撞忽略、球体近似）；4）关节锁定配置（固定特定关节）；5）虚拟扩展（夹具/抓取物碰撞体）；6）构型空间参数（关节顺序、安全姿态、运动代价权重和平滑约束）。该文件通过精细的参数设定，确保机器人运动规划时兼顾安全

本文介绍了NVIDIA cuRobo运动规划库的使用方法，重点讲解了其在笛卡尔空间到关节空间转换（逆运动学IK）以及运动轨迹规划中的应用。cuRobo通过CUDA并行化实现高速运动规划，单条轨迹规划时间约几十毫秒。 文章详细说明了cuRobo的两个核心对象：MotionGen（完整运动规划）和IKSolver（纯逆运动学），并展示了如何初始化这些对象。同时介绍了障碍物避障处理，包括如何从Isaac

摘要：EWAM提出了一种闭环在线适应架构，通过四个轻量级神经层（经验记忆、异常检测、策略路由、动作修正）增强预训练世界动作模型（WAM）的鲁棒性。该方法冻结骨干网络，仅微调插件层，实现"记忆→监测→决策→修正"的闭环反馈。实验表明，EWAM在仿真任务中降低83.7%故障率，提升执行效率，但存在仿真局限性和场景专用阈值等问题。核心创新在于平衡离线预训练与在线适应的矛盾，通过保守更

摘要：本文介绍了使用VNC远程连接服务器运行IsaacSim等3D图形软件的解决方案。通过TigerVNC服务安装配置（包括密码设置和会话创建），客户端可流畅访问服务器桌面环境。相比SSH的X11转发方案（适合命令行但3D性能差），VNC直接在服务器端完成GPU渲染，仅传输压缩画面，显著提升图形应用响应速度。建议开发时SSH与VNC配合使用：SSH处理命令行操作，VNC专门运行图形界面程序。

摘要 USD是Isaac Sim的核心数据格式，用于存储场景中的物体、光照、物理等属性信息。GenManip项目利用USD作为场景模板、物体库和机器人模型载体，其中机器人URDF模型被转换为USD的Articulation结构。USD支持文本(.usda)和二进制(.usdc/.usd)格式，GenManip主要使用.usda场景文件和.usd资产文件。 Prim是USD的基本单元，代表场景中的各

本文首次在统一基准下对比了机器人具身操作中的视觉-语言-动作模型(VLA)和世界动作模型(WAM)两大技术路线。实验表明：WAM在视觉类扰动中表现更鲁棒，得益于其从视频数据中学习的时空动态先验；但在几何配置类扰动中表现不佳，且推理速度显著慢于VLA。研究发现，通过大规模多样化数据训练，顶级VLA模型可以超越WAM的性能。文章为技术选型提供指导：WAM适合视觉干扰多、数据稀缺的场景，而VLA在需要实

摘要： Real2Edit2Real提出了一种基于3D编辑的视频生成框架，用于增强机器人演示数据。该方法通过RGB输入重建3D场景，支持物体位姿编辑和轨迹生成，并利用深度条件视频生成模型合成逼真、多视角一致的视频。实验表明，该方法能有效提升视觉真实性和任务适应性，支持高度编辑和纹理变化，显著提高策略鲁棒性。相比传统仿真或点云方法，Real2Edit2Real仅需RGB输入，避免了物理建模和密集扫描

摘要： Real2Edit2Real提出了一种基于3D编辑的视频生成框架，用于增强机器人演示数据。该方法通过RGB输入重建3D场景，支持物体位姿编辑和轨迹生成，并利用深度条件视频生成模型合成逼真、多视角一致的视频。实验表明，该方法能有效提升视觉真实性和任务适应性，支持高度编辑和纹理变化，显著提高策略鲁棒性。相比传统仿真或点云方法，Real2Edit2Real仅需RGB输入，避免了物理建模和密集扫描

上海AI Lab提出InternVLA-A1模型，通过统一理解、生成与动作的混合Transformer架构，解决机器人操作中认知不足与自适应能力缺乏的瓶颈问题。模型采用理解、生成、动作三位专家协同工作：理解专家处理多模态输入获取语义信息，生成专家预测未来视觉状态，动作专家结合预测动态生成控制指令。训练采用两阶段策略，结合仿真与真实数据优化视觉预测与流匹配动作生成目标。实验在10项静态和动态操作任务