Research | AcmeX

将 checkpoint 选择、固定 Seed rollout、阶段化失败诊断和可恢复 HDF5 采集组织成一套可追溯的 ACT 评测协议。

从候选召回、姿态评分到闭环执行，分析 EconomicGrasp、RNGNet、AnyGrasp、GSNet、HGGD 与 GtG 2.0 的取舍。

以 ECoT、RoboPoint、GR-1、HPT、GR-2 和 GR00T N1 为案例，追踪具身中间表示如何连接推理、视频先验与实时控制。

围绕数据利用率、策略分层与在线延迟，评估 UniVLA、GraspVLA、A0、OneTwoVLA、Magma、CoT-VLA、Interleave-VLA 和 SmolVLA。

聚焦具身智能中高影响力和高热度的代表论文，覆盖模仿学习、VLA、语言规划、空间推理、大规模数据、生成式策略与抓取感知。

结合现有 Planner-Executor-Checker 实现，分析 VLM 在机器人系统中应该拥有什么权限，以及结构化输出、场景 grounding 和重规划怎样形成可验证闭环。

从图文对比学习、多模态连接器到动作 Token、扩散策略与 Flow Matching，系统梳理 VLM/VLA 主流模型架构和训练目标。

以现有双臂 Pick-and-Place 代码为对象，分析从预抓取到放置验收的状态机、物理判据和仿真特权，建立可用于回归测试的失败分类。

沿 Isaac Sim 中的 SAM + GraspNet 实现逐段检查输入、候选、坐标系与执行接口，区分网络精度、仿真特权信息和规划可达性。

基于本机 RoboTwin/ACT 参考实现进行逐链路审计，定位时序对齐、统计量泄漏、padding 损失和 temporal aggregation 中会直接影响实验结论的问题。