©️【深蓝AI】编译本文由paper一作——Zhefan Xu授权【深蓝AI】编译发布！论文题目：论文作者：近年来，强化学习（RL）在无人机控制领域展现出巨大潜力，为解决上述问题提供了新思路。强化学习允许无人机通过经验学习决策能力，提供更好的适应性和性能。然而，将强化学习应用于实际无人机导航仍面临三大挑战：1. 模拟到现实的迁移问题：强化学习需要在模拟环境中训练无人机，但模拟与现实世界之间存在感知

右图则揭示了惊人的成果：LeRobot社区收集的轨迹数量在短短数月内便超越了谷歌的Open-X和RT1等大型数据集的总和，展现了去中心化社区的强大力量。数据显示，基于模仿学习的ACT策略因其高效易用，在社区中的模型上传和下载量上均占据主导地位，而更新的VLA模型（如SmolVLA）也呈现出快速增长的趋势，表明LeRobot能够有效加速新算法的普及与迭代。LeRobot的出现，提供了一个垂直整合式的

扩展规模VLA模型在不同硬件平台上的推理性能对比。扩散与自回归VLA性能对比：在动作块大小（左图）和自由度（右图）增加时，经典自回归模型（蓝色）的延迟呈指数级增长，而基于扩散的模型（绿色/橙色）则保持近乎恒定的低延迟。基于VLA-Perf的分析模型，研究团队对π₀这一代表性的VLA模型在不同硬件上的性能进行了预测，并给出了一系列关于模型缩放、长下文推理等关键问题的洞见。将所有模型组件的延迟和数据在

扩展规模VLA模型在不同硬件平台上的推理性能对比。扩散与自回归VLA性能对比：在动作块大小（左图）和自由度（右图）增加时，经典自回归模型（蓝色）的延迟呈指数级增长，而基于扩散的模型（绿色/橙色）则保持近乎恒定的低延迟。基于VLA-Perf的分析模型，研究团队对π₀这一代表性的VLA模型在不同硬件上的性能进行了预测，并给出了一系列关于模型缩放、长下文推理等关键问题的洞见。将所有模型组件的延迟和数据在

DACo（右侧）通过明确的"全局指挥官+局部执行官"角色划分，在简化系统设计的同时，实现了更稳健的长时序导航推理，在R2R、REVERIE、R4R三个数据集上取得了4.9%到6.5%的绝对成功率提升。这使得模型能够进行更长远的规划。可以预见的是，未来的VLN智能体，将是一个既能“仰望星空”（进行长远规划和想象），又能“脚踏实地”（在复杂环境中精确执行）的通用物理世界助手。在R2R、REVERIE和

研究仅基于单一基准模型开展实验，未充分探索不同架构 VLMs 的空间推理表现，且未涉及复杂真实场景中动态物体的空间建模，对模型在更长视野下的推理稳定性也未深入验证。：目前的研究只是初步探索了部分具身相关诊断场景，消融实验的模型和数据范围有限，没尝试通过微调优化模型的具身世界建模能力，也没将视频生成模型纳入评估范畴。空间认知是具身智能与环境交互的核心能力，本方向聚焦于突破现有模型的空间理解瓶颈，通过

研究仅基于单一基准模型开展实验，未充分探索不同架构 VLMs 的空间推理表现，且未涉及复杂真实场景中动态物体的空间建模，对模型在更长视野下的推理稳定性也未深入验证。：目前的研究只是初步探索了部分具身相关诊断场景，消融实验的模型和数据范围有限，没尝试通过微调优化模型的具身世界建模能力，也没将视频生成模型纳入评估范畴。空间认知是具身智能与环境交互的核心能力，本方向聚焦于突破现有模型的空间理解瓶颈，通过

创新设计了分层加载逻辑：模型初始仅访问技能元数据，仅在主动调用时才加载完整指令与文件内容，既保证了能力的丰富性，又控制了资源消耗，为。，整合了人类工程师的故障判断经验，能够快速识别异响、渗漏等异常情况，并给出处理建议。这种生态的形成，将打破平台壁垒与行业边界，促进知识的高效流通，激发。也对行业提出了新的要求，如何保障技能的安全性、合规性，如何建立合理的价值分配机制，将成为行业发展的重要课题。当平台

这种设计的妙处在于：它不是简单平均，而是让模型自己学会"哪一层的几何信息对当前任务更有价值"，从而在保留关键几何细节的同时，有效抑制冗余激活。左侧冻结的VFM编码器是"知识库"，中间的HGFA（含GATF、TATR、LSFP三个模块）是"翻译官"，右侧的高斯解码器和体素溅射是"执行者"。三者协同，让冰封在基础模型中的几何先验真正流动起来。VG3S的核心洞察是：不动VFM的权重，只训练一个即插即用的

前言CW前阵子玩了下人体姿态估计，用上了微软新鲜出炉的算法——DEKR: Bottom-Up Human Pose Estimation Via Disentangled Keypoint Regression。 这个工作挺大胆的，它采用直接回归关键点坐标的方法，在COCO和CrowdPose两个数据集上干掉了此前那些基于关键点热度图(heatmap)检测并组合的方法。DEKR的个性在于，它独立地