Embodied AI work is concentrating on the action loop
4 月 5 日是一个以动作控制为中心的强 embodied-AI 日。最清楚的论文改进了感知和执行之间发生的事情：更安全的 VLA 策略、自适应 action chunking，以及用于驾驶的联合视频-动作规划。共同点是操作层面的细节。作者在模块级编辑机器人策略，在推理时调整重规划，并训练世界模型，让预测场景和计划动作保持一致。
主题概况
Dexterous Grasping
Adaptive policy control
这里的具身 AI 工作在控制接口上变得更具体了。最清楚的近期开端是：给已部署的 VLA 策略做训练后遗忘流程，给机器人重规划加一层推理时自适应分块，以及为驾驶世界模型建立联合视频-轨迹评测线。每一项都对准了一个明确的操作痛点：在不丢掉任务能力的前提下移除不安全行为，减少操控里的固定块长调参，以及提升驾驶规划器的零样本迁移。