机器人学

Masked Visual Actions：像素级动作接口实现跨本体通用世界建模

作者
方法：掩码视觉动作接口

视频模型蕴含丰富的物理先验，但低维动作信号（如关节角度）具有本体特异性，难以被预训练视频模型有效利用。本文提出“掩码视觉动作”（Masked Visual Actions），将动作表示为像素空间中实体的部分可见轨迹。通过LoRA微调Wan-Fun-Control 2.2 14B模型，在DROID和Robocasa数据集上训练。该方法实现了跨本体泛化，统一了前向模型（预测场景响应）和逆模型（合成机器人行为）。实验显示在DROID上LPIPS为0.0945，策略评估相关性r=0.982。需注意模型学习的是相关性而非因果关系，且存在对任务进展的正向偏差。

NeuralActuator：低成本伺服平台无传感器力感知与动力学建模

作者
数据集：NAD与数据验证

针对低成本伺服平台（如无刷直流电机）存在的摩擦、滞后及背隙等非线性效应，传统线性电流-扭矩近似（τ=KtI）失效，导致Sim-to-Real误差大且缺乏力感知能力。本文提出NeuralActuator，基于Transformer架构处理历史状态与遥测数据，结合可微分仿真（Differentiable Simulation）进行训练。创新点在于利用仿真姿态轨迹作为代理监督信号（Torque Surrogate），无需直接扭矩标签即可训练。模型同时输出等效广义力代理、外部力估计、接触概率及电机状态。在NAD数据集上训练，并在OpenManipulator-X、SO-101及Franka Panda