具身智能研究工作台

RPG不更新模型权重，而用离线视频构建MuJoCo练习任务。执行智能体与可见特权状态的智能体并行尝试，视频分析定位失败，再修改提示词和共享技能。候选及合并版本须提高跨任务均值，且单任务下降不超过五次中的一次，才…

以分阶段奖励、结束条件和可调常数组成程序；语言模型修改结构，CMA-ES校准参数，固定验证器比较并行仿真结果。物体残差加在冻结的身体前向—后向模型上，使奖励映射成潜变量，执行期间不再训练控制器。

把伙伴能力表示为有限候选约束，利用双方联合动作在有界理性行为模型下的似然形成后验；复杂场景以离线学习评分近似计算。部署时将推断约束加入CEM模型预测控制，预测受限伙伴对辅助者动作的响应。

每台机器人用Qwen3-VL-4B调度，用微调π0.5执行；上层交换意图、子目标、任务信念及可选不确定性。语言指令被限制在预设可接受集合内，并有停滞后强制推进机制，因此并非完全开放式自主协商。

冻结视觉网络从RGB-D提取物体中心及交互点，正运动学提供机器人节点，组成统一三维骨架。两个Transformer专家以流匹配联合学习动作和未来骨架，后者仅作训练监督。推理省去未来分支，MAC从多条采样轨迹中选…

先用裁剪量化的Slim SAM3生成玻璃掩码，再以LiDAR种子和水平/垂直结构构造有限平面。单帧射线几何、多视角重投影及地面证据排除假平面，最后合并全局假设并给规划地图补入占据体素。

基准将工具使用拆为选择拾取、固定站位操作、移动操作三级，以推球、钩球及击碎冰块三种功能配合有无诱饵工具构成18任务。记录首次接触、正确工具抬升、工具接触目标及最终成功，避免只凭最终分数混淆选择与执行。