FACT提出一种多模态力-动作-轨迹基础模型，通过大规模人类操作数据（EgoForce）实现从视觉到触觉条件动作的联合生成。其核心创新在于将未来接触力设为生成变量，与动作共同去噪、相互约束，构建“前瞻性视觉规划+反应式触觉细化”的联合生成框架。在100小时机器人微调数据下，7项任务平均成功率41.4%，显著优于基线。该方法有效融合视觉运动规划与触觉反馈，推动人到机器人的灵巧操作迁移。

MimicAgent提出一种基于大语言模型的四足机器人技能生成框架，通过自然语言提示生成运动参考轨迹，并结合示例引导强化学习（DAgger）与物理仿真，实现复杂动作如翻滚、腾空等的可执行控制。其核心创新在于将任务意图转化为可接受的运动学参考，而非直接优化奖励函数，有效缓解高动态技能中奖励设计难题。通过多智能体协同生成、单元测试自修复与相位化轨迹表示，提升轨迹生成效率与语义对齐率，在真实机器人上验证

SONIC提出一种通用人形机器人全身控制框架，通过大规模运动跟踪学习可执行的运动先验。其核心是将异构输入（如动捕、VR、视频、语言）统一编码为64维运动token，经共享控制策略生成稳定关节目标。采用PPO强化学习与有限标量量化（FSQ）实现高效训练，支持多模态任务泛化。实验表明，该方法在611小时动捕数据上实现跨动作类别的强泛化能力，显著优于传统端到端或任务特定方法，为真实机器人提供统一、可扩展

SuperMimic提出一种基于可微世界模型的高效人形机器人全身控制方法，通过在真实仿真中持续采样、迭代更新动力学模型，并利用短时域反向传播（BPTT）与终端价值网络优化策略，显著降低训练成本。相比传统PPO等方法，其在1×H100下仅需3小时即可完成超大规模动作库（12.9万条）的训练，计算开销仅为SONIC的千分之一，同时实现高成功率与真机演示（如跳跃、翻转）。该框架不依赖可微仿真器，兼顾物理

Ψ₀ 是一项面向通用人形机器人移动操作的开放基础模型，提出分阶段学习框架：利用829小时人类第一视角视频预训练视觉-语言表征，结合31小时真实人形机器人示范学习动作分布，再以少量任务内示范快速适配。系统采用三层级架构——视觉语言主干（Qwen3-VL）、多模态扩散动作专家（MM-DiT）与强化学习下肢跟踪控制器（AMO），实现长时序、全身协调操作。在Unitree G1上完成8项多步骤任务，成功率

本文提出Reactive Diffusion Policy（RDP），针对接触丰富操作中长时序一致性与高频闭环反应的矛盾，创新性地结合TactAR遥操作系统与慢-快双策略架构。TactAR通过增强现实实时呈现触觉/力反馈，显著提升示范数据质量；RDP则分离慢策略（建模复杂动作块）与快策略（基于触觉高频修正），实现高精度、强鲁棒的接触控制。延伸工作ImplicitRDP进一步融合结构化学习，推动视觉

本文提出BeyondMimic，一种基于引导扩散的多功能人形机器人控制框架。通过统一的PPO运动跟踪策略学习人体动作，并结合失败率自适应采样提升长序列训练效率；进一步利用DAgger蒸馏与条件VAE构建平滑潜空间，训练联合状态-动作扩散模型。推理时，通过可微任务代价引导生成未来轨迹，实现无需重训练的在线规划，支持速度指令、路点到达、避障等复杂任务，已在Unitree G1上验证其真实世界泛化能力。

OmniVLA提出一种统一的全模态视觉-语言-动作模型，解决机器人导航中语言、位姿、图像等多模态目标表达不一致的问题。通过随机模态丢弃与注意力掩码，实现异构数据联合训练，支持单模态或跨模态组合输入。基于OpenVLA与轻量级OmniVLA-edge，覆盖9,500小时多平台数据，验证了跨机器人迁移、新模态微调及复杂指令理解能力，推动导航策略向通用化、灵活化发展。

VLA模型通过融合视觉、语言与动作，实现互联网知识向机器人控制的迁移。从2022年SayCan的语义规划到RT-2的动作离散化，再到π₀、FAST等引入连续动作建模与多时间尺度控制，技术演进聚焦于统一语义推理与实时运动控制。核心突破包括动作token化、条件调制FiLM、Diffusion与Flow Matching建模，以及分层架构与在线学习的结合。未来趋势是“慢语义+快控制+强稳定”的协同系统

C++面试核心要点摘要（148字） 本文系统梳理C++面试核心知识点，涵盖：1）基础语法（const/static/指针引用区别）；2）面向对象（多态实现/虚函数表/菱形继承）；3）内存管理（RAII/智能指针/深浅拷贝）；4）STL容器（vector扩容/unordered_map原理）；5）多线程（线程安全/锁机制）；6）设计模式（单例/工厂模式实现）；7）编译链接（符号解析/内存布局）；8）