- 论文公开站arXiv
DexRoam：从第一人称全身人类演示学习移动双臂灵巧操作
DexRoam: Learning Mobile Bimanual Dexterous Manipulation from Egocentric Whole-Body Human Demonstrations
移动双臂灵巧操作需在单条轨迹中协调运动、全身动作与手指级灵巧性，造成严重的机器人演示瓶颈；第一人称人类演示提供了可扩展的替代方案。
- 论文公开站arXiv
LiMA：通过异步扩散桥接长期想象与实时灵巧操作
LiMA: Bridging Long-term Imagination to Real-time Dexterous Manipulation via Asynchronous Diffusion
摘要显示，LiMA 是一种异步双系统生成框架，将意图规划与反应式执行解耦：慢系统负责稀疏的长时程时空意图生成，快系统负责稠密高频动作精修，并通过 Latent Schrödinger Bridge Coupling 机制对齐稀疏意图与稠密轨迹。论文称其相较 Cosmos-Policy 降低 45.8% 推理延迟，在六项双臂灵巧操作任务上总体成功率 70.8%、子任务平均成功率 78.9%，并在未见场景中保持性能。
意义：为 VLA 与 World-Action Model 的推理延迟与反应速度矛盾提供异步分层思路，对实时机器人操作与具身智能系统架构有参考价值。
- 论文公开站arXiv
DexTacWAM：面向灵巧操作的视触觉世界-动作模型
DexTacWAM: A Visuo-Tactile World-Action Model for Dexterous Manipulation
摘要显示，DexTacWAM 是一种视触觉世界-动作模型（WAM），将各指尖触觉独立编码，经手指与姿态感知的触觉压缩器聚合后注入视频扩散世界模型，实现视触觉联合世界建模。在 22 自由度双臂平台的六项富接触灵巧操作任务中均取得最高分，平均 70.6，最强基线为 38.0。消融表明收益来自将接触演化纳入预测世界状态，而非仅做触觉条件化。
意义：把触觉纳入世界模型而非仅作条件输入，为富接触机器人操作提供了新范式，对具身智能与多模态世界模型研究有直接参考价值。