本文提出了一种名为TIDAL的分层框架，通过将“语义思考”和“高频动作”解耦，让笨重的AI大脑也能指挥机器人做出敏捷的反应，从而在不降低智能水平的前提下实现高频控制。

本文提出了一种名为TIDAL的分层框架，通过将“语义思考”和“高频动作”解耦，让笨重的AI大脑也能指挥机器人做出敏捷的反应，从而在不降低智能水平的前提下实现高频控制。

本文提出了一种名为SILENTDRIFT的隐蔽后门攻击方法，利用视觉-语言-动作（VLA）模型在动作分块和相对位姿表示上的设计缺陷，通过平滑的微小扰动积累导致机器人执行失败，且难以被检测。

本文提出了一种名为 Being-H0.5 的机器人模型，通过将人类动作作为通用模板，让不同形态的机器人（如机械臂、人形机器人）能共享学习成果，从而实现跨形态的技能泛化和实际部署。

本文提出了一种名为FOFPred的模型，通过语言指令预测未来的光流（像素运动），从而帮助机器人更好地控制动作和生成视频。

本文提出了一种名为ReWorld的框架，利用分层奖励模型和强化学习，解决了视频生成模型在物理真实性、动作合理性和任务逻辑上与视觉效果脱节的问题。

本文提出了一种名为X-Distill的方法，通过知识蒸馏将强大的视觉Transformer模型（ViT）的知识迁移到轻量级的卷积神经网络（CNN）中，从而在数据量很少的情况下，让机器人学会根据视觉信息进行操作。

本文提出了一种名为SADiff的技能感知扩散模型，通过显式地引入“技能”级别的信息（如倒水、抓取）来指导机器人生成动作，从而让机器人能举一反三，灵活应对没见过的物体和环境。

本文提出了一个名为“Great March 100 (GM-100)”的机器人学习评测基准，包含100个精心设计的、涵盖长尾行为的任务，旨在解决现有评测任务过于单一、无法全面评估机器人智能水平的问题。

本文提出了一个名为“Great March 100 (GM-100)”的机器人学习评测基准，包含100个精心设计的、涵盖长尾行为的任务，旨在解决现有评测任务过于单一、无法全面评估机器人智能水平的问题。