本文摘要（150字）： Dex-BEV提出了一种创新的3D对齐框架，解决了现有视觉-语言-动作模型在机器人操控中的两个核心问题：输入缺乏3D感知和输入-输出空间不对齐。通过将多视角观测统一映射到共享BEV坐标系，并结合顶点频谱技术实现深度感知，系统显著提升了跨本体、跨视角的泛化能力。实验表明，在仿真和真实场景中，Dex-BEV相比基线方法成功率提升最高达23.3%，尤其在视角扰动和跨平台迁移任务中

对于任何致力于把人形机器人从仿真推向现实的研究者或工程师，AGILE不仅提供了代码，更提供了一套成熟的、经过实战检验的工程范式。

在 Python 开发中，代码风格问题常引发团队讨论。为了终结这些无谓的争论，专注于更重要的事情，开发者们创造了各式各样的自动化工具。其中，Google 的 YAPF 以其高灵活性著称；而 Black 则凭借不妥协的固执风格横扫社区，成为事实标准；一颗耀眼的新星 Ruff 更是标榜着颠覆性的性能和集成的全方位功能。

摘要 本文提出GRITS框架，用于机器人食物舀取任务中的溢出规避。GRITS通过结合引导扩散策略和溢出预测器，在保证任务成功率的同时显著降低食物溢出风险。具体而言，该方法在仿真环境中构建多样化数据集训练溢出预测器，并在扩散策略推理阶段利用预测器作为可微分引导信号优化轨迹。实验结果表明，GRITS在10种未见食物类别上实现了82%的任务成功率和仅4%的溢出率，相比无引导基线方法溢出率降低40%以上。

RIGVid系统创新性地利用视频扩散模型生成任务演示视频，使机器人无需物理演示即可学习复杂操作。系统流程包括：1）基于语言指令生成潜在视频并用VLM过滤无效结果；2）通过6D位姿跟踪器提取物体轨迹；3）以具身无关方式重定向到机器人。

本文提出了一种名为Real-Time Chunking (RTC)的新型推理算法，用于解决机器人控制中视觉-语言-动作模型(VLA)推理速度慢导致的实时控制问题。RTC通过软掩码机制和基于流匹配的引导生成技术，在不重新训练模型的情况下实现边执行边思考的异步控制。实验表明，RTC在高延迟条件下仍能保持动作平滑性和任务成功率，显著优于传统同步推理和分块方法。该方法适用于各类扩散或流匹配模型，为机器人实

摘要：NVIDIA研究团队提出的cuRoboV2框架解决了机器人运动生成中的关键挑战。该框架通过B样条轨迹优化确保物理可行性，采用GPU加速的TSDF/ESDF构建实现毫米级实时碰撞检测，并设计了可扩展的全身计算算法支持高自由度机器人。实验表明，cuRoboV2在负载3kg时的规划成功率高达99.7%，并能成功应用于48自由度人形机器人的运动重定向。此外，其模块化设计使LLM能协助完成73%的新代

本文提出 IMR-LLM 框架，利用大语言模型（LLM）实现工业多机器人任务规划与程序生成。针对工业场景严格的顺序约束和复杂依赖关系，该方法结合LLM推理能力与确定性算法：LLM负责操作分解和分配，构建析取图后采用启发式算法求解调度；通过过程树结构引导代码生成，确保程序可执行性。实验基于自建 IMR-Bench 基准，在复杂任务中成功率（SR）达0.68，显著优于现有方法。该方法突破了LLM在工业

本文提出SimpleVLA-RL框架，通过强化学习增强视觉-语言-动作（VLA）模型的逐步动作规划能力。该框架针对VLA模型特点优化了轨迹采样、并行化和损失计算，在LIBERO和RoboTwin基准测试中显著超越监督微调方法，最高提升30.6%成功率。研究发现仅需单条演示轨迹配合强化学习即可达到接近全数据训练的效果，并观察到策略在训练中能自主发现新动作模式（"pushcut"现象）。这一工作为减少

RIGVid系统创新性地利用视频扩散模型生成任务演示视频，使机器人无需物理演示即可学习复杂操作。系统流程包括：1）基于语言指令生成潜在视频并用VLM过滤无效结果；2）通过6D位姿跟踪器提取物体轨迹；3）以具身无关方式重定向到机器人。