本文提出了一种基于离散余弦变换(DCT)的机器人动作标记化方法FAST，通过频率空间压缩降低动作序列相关性，解决了传统离散化方法在高频灵巧任务中的失效问题。研究进一步开发了通用分词器FAST+，在百万级真实轨迹上训练，可处理不同机器人和控制频率的动作序列。实验表明，该方法使自回归VLA模型训练效率提升5倍，性能媲美扩散模型。技术核心是将DCT系数矩阵按频率优先展平后应用BPE编码，仅需学习词汇表参

HumDex是一种便携式人形机器人远程操作系统，采用基于IMU的运动跟踪技术实现高精度全身控制，仅需15个轻量追踪器。系统创新性地提出基于学习的神经重定向方法，通过小型MLP网络将人类指尖动作实时映射到20自由度机器人手部，无需手动调参即可生成自然动作。该系统还能高效采集人体运动数据，支持两阶段模仿学习框架：先预训练获得通用先验，再微调适应具体执行。实验表明，HumDex能采集更优质的数据，并提升

本文介绍了一个具有应急能力的通用机器人基础模型π0.7。该模型通过创新的训练方法和架构设计，显著提升了机器人的指令跟随和任务执行能力。主要创新点包括： 采用多样化的上下文提示训练，包括语言指令、元数据和多模态信息（如子目标图像），使模型能灵活适应不同质量的输入数据。 提出知识隔离训练方法，通过离散交叉熵损失稳定视觉语言模型的训练，同时保持动作专家的灵活性。 引入动态子目标图像机制，结合真实和生成图

代码开源，但没有research blog了。GR00T N1.7的新增功能GR00T N1.7基于N1.6构建，具有新的VLM骨干网和代码级改进。N1.6的主要变化新的VLM骨干网：Cosmos-Reason2-2B（Qwen3 VL架构），取代了N1.6中使用的Eagle骨干网。支持灵活的分辨率，并以其原生纵横比对图像进行编码，无需填充。简化的数据处理管道（processing_gr00t_n

摘要：DreamZero提出了一种基于视频扩散模型的世界动作模型(WAM)，通过预测未来状态和行为实现实时闭环控制。相比传统视觉语言模型(VLA)，WAM利用14B参数的自回归视频扩散模型，以7Hz频率执行控制任务。关键技术包括：1)采用自回归架构和KV缓存提高推理速度；2)提出DreamZero-Flash方法，通过噪声解耦训练使模型能在噪声视觉环境下预测准确动作；3)避免双向模型固有的模态对齐

NVIDIA推出Isaac GR00T（Generalist Robot 00 Technology）基座模型，作为通才具身智能体研究的核心平台。该项目隶属于GEAR（Generalist Embodied Agent Research）计划，旨在开发适用于通用机器人的基础模型。开发者可通过NVIDIA官方渠道获取项目代码和技术文档，推动机器人通用智能研究的发展。该模型代表了NVIDIA在具身智能

NVIDIA推出Isaac GR00T（Generalist Robot 00 Technology）基座模型，作为通才具身智能体研究的核心平台。该项目隶属于GEAR（Generalist Embodied Agent Research）计划，旨在开发适用于通用机器人的基础模型。开发者可通过NVIDIA官方渠道获取项目代码和技术文档，推动机器人通用智能研究的发展。该模型代表了NVIDIA在具身智能

NVIDIA推出Isaac GR00T（Generalist Robot 00 Technology）基座模型，作为通才具身智能体研究的核心平台。该项目隶属于GEAR（Generalist Embodied Agent Research）计划，旨在开发适用于通用机器人的基础模型。开发者可通过NVIDIA官方渠道获取项目代码和技术文档，推动机器人通用智能研究的发展。该模型代表了NVIDIA在具身智能

摘要：FLARE框架通过流匹配扩散模型生成预测动作，并创新性地使用可学习未来标记作为桥梁，将生成的动作与视觉语言嵌入生成的未来标记对齐，显著降低了计算量。该方法不直接使用VLM，而是通过视觉/语言backbone编码后，利用Q-former压缩信息到预设空间，再通过DiT去噪生成动作。实验验证了未来标记对齐的有效性，并展示了少样本训练的潜力。核心改进在于通过未来标记实现高效对齐，减少计算开销。

摘要：GR00TN1是一种创新的通用人形机器人基础模型，采用双系统架构设计。系统2（视觉语言模块）基于NVIDIA Eagle-2VLM模型处理环境理解，系统1（动作生成模块）采用扩散变压器实时生成120Hz的闭环电机动作。模型创新性地使用中间层LLM嵌入提升性能，并分层整合潜在动作数据、合成数据和真实机器人数据。实验验证了该架构在异构数据处理和实时动作生成方面的优势，为通用人形机器人提供了开放的