标签: 论文合集

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。

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。

从 GPT、BERT、T5 到 MoE、Mamba、Qwen2.5 与 DeepSeek，系统梳理大语言模型的架构、扩展规律、分布式训练和对齐方法。

以定位、尺度与开放词汇接口为线索，评估 MASt3R、CUT3R、Depth Anything V2、UniDepth、FoundationStereo、Florence-2 和 YOLO-World。

从 CNN、ViT、自监督学习到开放词汇检测、可提示分割、点云 Transformer、深度估计、三维重建和视频预测，系统梳理 CV 主流论文。