RealtimeWAM：一步式非同步世界動作模型
RealtimeWAM 透過一步動作生成與非同步推理，提升世界動作模型（WAM）的推理效率。其提出 Teacher-Anchored Consistency Distillation（TACD）及 Cross-Expert Wavefront Pipelining（CEWP），分別減少動作生成的多步迭代與影片、動作專家之間的等待。
#具身智能
#具身智能
今日 2 條HuggingFace Daily Papers（社區熱門論文）AI 評分4848 Anthropic：Research（發表成果 · 網頁）AI 評分6565 Anthropic 研究盤點機械人現時能執行哪些工作
Anthropic 的研究估算，現有機械人可在某些環境下執行美國 74% 的體力工作任務，佔總工作時間 34%。但機械人目前只有 0.3% 的工作任務具成本競爭力；若價格維持過往每年約 3% 的跌幅，比例升至 10% 約需 40 年。
HuggingFace Daily Papers（社區熱門論文）AI 評分4444 JEPA-TTT：動力學轉變下用於規劃的潛在世界模型持續測試時訓練
JEPA-TTT 透過在測試期間持續自我監督更新預訓練世界模型的潛在動力學預測器，適應測試時與訓練時不同的環境動力學。在 4 個連續控制環境的 8 種動力學轉變中，JEPA-TTT 均改善規劃表現；經 500 個測試回合後，潛在自回歸預測誤差平均降低 83%，規劃表現較凍結的 JEPA 世界模型提升 153%。
MIT NewsAI 評分4949 HardFlow：讓生成式 AI 適用於安全關鍵場景的新方法
MIT 研究人員開發 HardFlow，讓生成式 AI 在安全關鍵任務中滿足硬性約束，並找到較現有方法更優質的解決方案。它只在最終輸出施加約束，可於部署時套用至預訓練生成模型，無需重新訓練。在機械人操作、迷宮導航及文字指引圖像編輯測試中，HardFlow 完全滿足約束，運算時間與多數競爭方法相若或更低。
OpenMOSS / 復旦NLP / 上海創智 / MOSIAI 評分5151 OpenMOSS/Awesome-WAM 彙整 World Action Models 綜述與研究資源
OpenMOSS/Awesome-WAM 資源庫配合 World Action Models（WAM）綜述，分類整理相關論文、訓練數據及評估資源。綜述涵蓋 Cascaded 與 Joint WAM 架構、訓練數據、評估流程，以及用於 VLA 學習的世界模型。資源庫亦收錄論文摘要博客、基準排行榜與表現趨勢圖，並開源生成摘要所用的 Paper2Blog 技能。
OpenAI News精選AI 評分6969 OpenAI 以神經網絡訓練機械手解魔方
OpenAI 訓練兩個神經網絡，讓仿人機械手解開魔方。網絡完全在模擬環境中訓練，使用與 OpenAI Five 相同的強化學習程式碼，並結合新技術 Automatic Domain Randomization（ADR）。系統能應對訓練中未曾遇到的情況，例如被毛絨長頸鹿玩偶戳碰；OpenAI 指出，這展示了強化學習可用於需要前所未有靈巧度的現實世界問題。
推薦理由：這項工作以全程模擬訓練的兩個神經網絡讓仿人機械手解魔方，並用 ADR 應對訓練中未見情況，呈現強化學習應用於實體操作的方法。
OpenAI NewsAI 評分4141 OpenAI 以能量函數學習概念
OpenAI 開發出能量模型，僅需五次示範便能學習以 2D 點集表示的概念，並識別及生成其實例。模型亦能將在 2D 粒子環境中學到的概念遷移至 3D 物理機械人任務。
OpenAI NewsAI 評分5757 OpenAI 訓練仿人機械手以高靈巧度操控實體物件
OpenAI 訓練出一隻仿人機械手，能以前所未有的靈巧度操控實體物件。
OpenAI NewsAI 評分3232 元學習在模擬機械人摔跤中的應用
OpenAI 展示一種用於模擬機械人摔跤的元學習智能體，能迅速擊敗較強的非元學習智能體。該智能體亦能適應物理故障。
OpenAI NewsAI 評分5555 OpenAI 機械人系統看過一次示範即可學會新任務
OpenAI 建立了一套機械人系統，完全在模擬環境中訓練後部署到實體機械人上，並能在看過一次任務示範後學會新任務。