RAX 不靠示教与权重微调，靠在线探索编译控制代码
用通用编程智能体直接驱动底层硬件接口，试错后将闭环决策编译为独立 Python 程序。
未见场景平均超越最强策略 +37.4%，编译后程序速度提升高达 241 倍且推理 Token 归零。
研读笔记
沿着论文与概念之间的联系，回看问题、方法与研读记录。
拖动节点或空白处 · 缩放按钮 / Ctrl+滚轮 / 双指缩放 · Esc 取消选中
连线来自研读笔记中的概念关联，不代表论文之间的引用或继承关系；距离不表示量化相似度。
SuperMimic 用可微世界模型，降低全身控制训练成本
共享一套机器人动力学，在短程想象中直接反传梯度，而非只靠 PPO 采样试错。
单张 H100 训练 3 小时，回报超越 SONIC 发布权重；评测为训练集动作。
Ropedia W0 让人类与机器人，共用移动操作世界模型
用相机光线与二维骨架统一动作表达，把人类视频接入跨本体的未来画面预测。
10,000+ 小时人类视频与 3,000+ 小时机器人数据；蒸馏后单卡 21.3 fps。
MIP 生成式策略的收益，未必来自多模态
拉平网络骨干后，拆解训练加噪与迭代纠偏，检验普通回归能否追平 Flow。
论文测试中，确定性 2 步 MIP 可匹敌 9 步 Flow；不代表所有任务都不需要分布建模。
OneWM 世界模型与策略，怎样训练才互相受益？
逐样本调节动作作为条件或预测目标的比例，收益主要体现在分布偏移下的鲁棒性。
相对 WAM 变体，LIBERO-Plus 提升 5.9 点；同分布 LIBERO 仅提升 2.4 点。
R²-WAM 比选编码器更重要的，是怎样用视觉特征
拆开比较视觉编码器、特征注入和预测目标：不只输入当前特征，还要预测未来特征。
对应消融中，只增加当前特征提升 1.8 点；只增加未来特征预测提升 7.2 点。