机器人采集数据新思路:人控机器人加残差扰动,离线RL成功率提至0.59

alphaXiv 收录的一篇论文提出 Data Inoculation(数据接种)框架,让人在遥操作时由残差策略在线注入扰动、再由人纠正,从而收集更多“出错—恢复”样本。在三个真实机器人任务上,该数据训练出的策略成功率不输甚至优于行为克隆与离线强化学习。

alphaXiv 收录的一篇论文提出 Data Inoculation(数据接种)框架,让人在遥操作时由残差策略在线注入扰动、再由人纠正,从而收集更多“出错—恢复”样本。在三个真实机器人任务上,该数据训练出的策略成功率不输甚至优于行为克隆与离线强化学习。

论文提出 GenSight,用同一个预训练视频扩散 Transformer 同时生成未来视频和预测深度、机器人本体分割、首帧相对 2D 光流,试图把具身世界模型中的“想象未来”与“感知结构”合并到一个模型里。

alphaXiv 上的一篇论文提出“统一训练”(unified training),主张预训练、中期训练、SFT 和强化学习不必依赖不同算法,而可以合并为一个基于最大似然的训练流程,只需随时间调整数据来源与配比。

alphaXiv 上的一篇论文声称证明了“柏拉图表示假说”:只要训练目标把同一场景的不同观察当作正样本对,不同模态的 JEPA 编码器会学到只差一个旋转的同一表示;并且,一个 1.09 亿参数的文本 JEPA 在图像对齐指标上超过多款大语言模型。

腾讯优图在 Hugging Face 发布论文,提出 Youtu-Parsing-Omni——用一个编码器和一套输出结构,把文档、图片、音频、视频解析成带时空坐标的结构化记录,主打给 AI Agent 提供可定位、可引用的多模态感知层。目前是论文,不等于已上线产品。

Arsaze 把自己定位为“视频剪辑领域的 Cursor”,在真实多轨时间线上提供 Tab 式下一步剪辑建议和可回滚的 Agent 编辑,刚登上 Hacker News 24 小时热榜。它的看点不在生成视频,而在把剪辑动作变成可检查、可撤销的结构化操作。

TechRadar 刊文指出,随着自主决策的 AI 代理进入企业核心流程,传统“加密加边界防御”已不够用,企业需在数据生命周期内重构安全与信任架构。文章援引 Gartner 预测:到 2026 年底,40% 的企业应用将内置任务型 AI 代理。

据 Financial Times 报道,Spotify 计划在 2027 年第一季度推出一项 AI 订阅产品,让用户自己生成混音和翻唱版本,月费约 5 美元。这项产品能否落地,取决于能否与唱片公司谈妥授权。

旧金山初创公司 Dream 结束隐身状态,带着 1700 万美元种子轮融资亮相,用训练于真实建筑数据的“built world models”做建筑设计与工程,并已在加州和得州承担 10 个项目的法定设计责任。

OpenAI 宣称其模型帮助解决了一道与纳维-斯托克斯方程相关的90年未解难题,引发数学界强烈反弹;CEO Sam Altman 在10月30日前后发布的播客采访中表示,他理解数学家的不安,但相信让世界理解宇宙运行方式总体上是好事。