具身智能科技前瞻探索（第2期）

研报正文总结

1. RLinf-USER1.1

• 核心观点：介绍 RLinf-USER1.1 系统，用于真实世界在线策略学习。
• 数据来源：《RLinf-USER: A Unified and Extensible System for Real-World Online Policy Learning in Embodied AI》

2. Ψ02.1

• 核心观点：学习人类视频数据。
• 数据来源：《Ψ0: An Open Foundation Model Towards Universal Humanoid Loco-Manipulation》

3. ManipulationNet3.1

• 核心观点：测试基准。
• 数据来源：ManipulationNet 项目主页

4. 4.1

• 核心观点：解决灾难性遗忘问题。
• 数据来源：LIFELONG EMBODIED NAVIGATION LEARNING

5. DexGrasp-Zero5.1

• 核心观点：跨本体灵巧手操作。
• 数据来源：《DexGrasp-Zero: A Morphology-Aligned Policy for Zero-Shot Cross-Embodiment Dexterous Grasping》

6. Fast-WAM6.1

• 核心观点：提升推理速度。
• 数据来源：Fast-WAM 项目网站

7. 结束语

• 核心观点：感谢聆听。