NVIDIA R²D²：面向长时程操作任务的感知引导任务与运动规划
NVIDIA 机器人研发文摘 R²D² 本期聚焦长时程操作中的感知引导任务与运动规划，指出传统 TAMP 系统依赖静态模型、在新环境中常失效。方案将感知与操作结合，使机器人能在执行过程中更新规划并适应动态场景。
#论文/研究
#论文/研究
今日 59 条NVIDIA dev blog roboticsAI 评分3838
BAIR精选AI 评分6060 不依赖 TD 学习的强化学习：Transitive RL 的分治价值学习
BAIR 博客介绍了一种不基于时序差分（TD）学习的强化学习范式：分治价值学习，并给出具体算法 Transitive RL（TRL）。
推荐理由：作者以第一人称梳理分治价值学习如何绕开 TD 的误差累积，并给出在 OGBench 长程任务上的对比结果。
NVIDIA dev blog roboticsAI 评分5858 NVIDIA 在 Newton 中引入神经动力学 NeRD 推进机器人开发
NVIDIA 介绍神经机器人动力学 NeRD，用于弥补经典解析动力学在简化接触、省略运动学闭环和不可微模型上的不足。与面向特定任务的神经仿真器不同，NeRD 可作为 Newton 等物理引擎中的即插即用后端，让团队复用现有的策略学习流程。
NVIDIA dev blog roboticsAI 评分2222 NVIDIA Research 的 R²D²：三项神经突破改变机器人学习
NVIDIA Research 提出 R²D²，用三项神经突破改进机器人学习，目标是让机器人应对真实世界任务中的不可预测性、灵巧性与精细交互。当前机器人虽在受控环境中表现优异，但从装配精密部件到以类人精度操作日常物体，仍难以胜任真实部署。
NVIDIA dev blog roboticsAI 评分5858 NVIDIA Research 发布 R²D²：用世界基础模型与工作流提升机器人训练
NVIDIA Research 发布 R²D²，提出用世界基础模型（WFM）与配套工作流提升机器人训练。WFM 是经过训练、可基于真实环境动态模拟、预测并推理未来世界状态的生成式 AI 模型，用于应对物理 AI 系统对丰富标注数据日益增长的需求。文中提到 NVIDIA Cosmos 是相关平台。