具身机器人控制三层架构：VLM规划、MPC/WBC运动……
'大脑’决定去哪，'小脑’决定怎么走，'脊髓”决定别率、别撞、别烧。
Sim-to-Real 的最高级形式：把离线辨识、训练、在线辨识、前馈串成闭环！
如果连误差来源都分不清楚，又怎么可能系统性地消除它。
深蓝资讯
顶刊TPAMI！同济大学：别再把不同运动“混在一起学”，同时提升深度估计与视觉里程计
引入来自运动分量的几何约束
世界模型该以什么为条件？李飞飞团队全新研究TrAct：用视觉轨迹，而不是只用动作
轨迹驱动机器人世界模型
都是机器人控制，为什么“走路”用RL，“干活”却用Transformer？
同样让关节动起来，模型面对的 问题却不一样
都叫“具身智能”专业，这七所获批高校培养的是同一类人才吗？
一条主线，不同的实现路径
宇树最新开源人形机器人基础模型UnifoLM-WLA-1.0，多项空间评测超越 GPT-6
一模驱动，全身协同。
Science Robotics：伯克利×斯坦福，用扩散模型让人形机器人学会全身运动
一个框架，百种动作
推理本身，成了近乎“免费”的数据增强！具身思维链 ECoT ，做对了什么？
用思维链的方式，打开具身智能
这三篇Science Robotics代表作：从三条路径逼近通用运动控制
人形控制的“Scaling Law时刻”