前沿雷达｜Forward Dynamics Models：未来预测读取动作特征、动作不读未来，推理时跳过未来生成
预印本 FDM 让未来预测只读取动作特征，动作路径不读未来：训练时真实未来状态监督策略，推理时跳过未来生成。作者报告 LIBERO 平均 99.4%，真机五项任务平均 96%（π0.5 为 83%）。
分类： 前沿雷达
具身智能与物理 AI 的前沿进展精选与解读，每条标注证据等级并链接原始来源。
前沿雷达｜RoboAware：从同一状态的反事实分支里学习，每个技能阶段该交给模块化组合还是端到端策略
预印本 RoboAware 冻结编码智能体与 API 库，只训练一个在每个技能阶段选择 Mod 或 E2E 的协调器，训练数据来自仿真中同一状态的配对分支。作者报告 100 个任务总成功率 77.0%，所读正文中没有真机实验。
前沿雷达｜LiteNWM：编码一次，在潜空间联合预测 16 条候选与现行轨迹的后果，导航世界模型不再逐条生成 RGB 画面
预印本 LiteNWM 编码一次，在潜空间联合预测 16 条候选与现行轨迹的后果。作者报告比 NoMaD+NWM-XL 快 128 倍（RTX 5090），Go2 真机成功率 NoMaD 43.3%→83.3%。
前沿雷达｜Being-M0.7：把只有视频或只有动作的人类数据，经三段训练和门控接入，接到人形机器人的全身控制
预印本 Being-M0.7 用超 1 万小时人类视频与动作数据预训练先验，经机器人中训练和门控动作后训练接到 Unitree G1。作者报告 SIMPLE 128/180，真机 13/15 与 GR00T-N1.6 持平。
前沿雷达｜RESETTLE：冻结策略的两次采样持续分歧才介入，按示范参考只执行一个纠正动作
预印本 RESETTLE 在冻结策略的动作接口上做恢复：两次采样持续分歧才介入，检索同任务示范，只执行一个纠正动作。作者报告 LIBERO-Plus 上 FastWAM 从 49.3% 升到 58.0%，恢复计算 83.6 ms。
前沿雷达｜HWAM：人形机器人的参考动作不等于实际动作，把执行后的本体状态和动作一起生成
预印本 HWAM 让人形机器人策略同时生成参考动作和执行后的本体状态。作者报告真机 Candy Picking 成功率为 70.6%（84/119），Fast-WAM 为 43.3%。
前沿雷达｜Is Success All You Need?：成功率相近的两个 VLA，成功轨迹可能差得很远
预印本在 LIBERO-Plus 扰动下只看成功轨迹。作者报告：Spatial 相机扰动下 π0.5 与 VLANeXt 成功率 69.7%、68.0%，但 π0.5 时长、jerk、夹爪移动分别增加 22.5%、24.1%、37.8%。
前沿雷达｜ReCo：先让行走策略的指令响应可预测，MPC 才能协调四足底座与机械臂
预印本 ReCo 训练行走策略对指令作出可重复的响应，再辨识其闭环响应模型，供 MPC 联合规划底座与机械臂。作者报告仿真基准位置、姿态 RMSE 比各自最佳基线低 28.7%、27.4%，成功 75/100。
前沿雷达｜Token-World：在 VLM token 空间里推演世界模型，不经 RGB 重建来模拟 VLA 策略
预印本 Token-World 把 Qwen3-VL 视觉 token 压到每个 16 通道，在紧凑空间里预测未来、不生成 RGB。作者报告模拟与参考成功率相关系数 0.794，Ctrl-World 为 0.583。
前沿雷达｜DSDyn-VLA：目标在动时，VLA 要补上感知、延迟和控制三个缺口
预印本 DSDyn-VLA 用约 2–3 Hz 的光流规划流加约 30 Hz 的残差 RL 流处理动态操作。作者报告真机平均成功率 49.0%，π0.5 为 8.4%，最强基线 DynamicVLA 为 38.1%。
前沿雷达｜NVIDIA Cosmos 3 on AWS：一次前向给出推理、视频与动作，实例选型附了哪些验证条件
AWS 解析 Cosmos 3 双塔和部署参考架构：完整 Nano/Super 检查点以 BF16 测试，H100 八卡 SFT 经 NVIDIA 测试；博客未提供基准数字。
前沿雷达｜F4R：把真机失败重建成仿真训练场，诊断、重建、微调、再部署的闭环
预印本 F4R 用 VLM 智能体诊断真机失败，重建为仿真场景，只在失败附近随机化并做共训与 PPO。作者报告在一小时预算对齐下 OOD 成功率 90.0%，比 Targeted BC 高 18.75 个百分点。