[논문리뷰] CrossBFM: Distilling a Shared Latent Behavior Space Across Humanoid Embodiments본 연구는 Behavior Foundation Models (BFMs)의 두 가지 주요 한계점인 높은 훈련 비용과 Embodiment-specific latent space 문제를 해결하고자 한다. 기존 BFM 훈련은 단일 로봇에 대해 수백 GPU-hours를 요구하며, 새로운 로봇에는 처음부터 훈련을 반복해야 한다.#Review#Behavior Foundation Models#Cross-embodiment Learning#Latent Behavior Space#Humanoid Control#Reinforcement Learning#Knowledge Distillation#Unified Encoder#Motion Retargeting2026년 9월 29일댓글 수 로딩 중
[논문리뷰] Xiaomi-Robotics-1: Scaling Vision-Language-Action Models with over 100K Hours of Real-World Trajectories본 논문은 대규모 데이터 학습을 통해 범용 로봇 정책을 구축하고자 하는 Scaling Laws의 가능성을 실현하는 데 초점을 맞춥니다.#Review#Vision-Language-Action Models#Scaling Laws#Real-World Trajectories#Robot Foundation Models#Flow Matching#Auto-labeling#Cross-embodiment Learning2026년 7월 19일댓글 수 로딩 중