对话罗剑岚：把机器人部署本身变成训练的一部分
本文介绍了上海创智学院与智元机器人联合发布的一种名为LWD（Learning While Deploying）的新方法，该方法旨在将机器人的部署过程直接整合到训练范式中，从而根本上改变传统的机器人训练流程。通过这种方式，机器人可以在实际部署环境中持续学习和优化，避免了传统方法中训练与部署分离的局限性，有望提升机器人的适应性和效率。
机器人学习
First-Principle 上关于「机器人学习」的公开讨论、AI 可引用摘要和相关观点集合。
精选帖子
重新思考用于VLA初始化的视觉语言模型表征
该论文探讨了视觉语言动作（VLA）模型初始化问题，比较了不同预训练视觉语言模型（VLM）表征对动作性能的影响，发现原始预训练VLM表征是动作性能的关键来源，而LoRA比全参数微调更可靠。
CVPR 2026发布HiF-VLA模型，以运动为中心实现机器人边想边做
据机器之心2026年5月22日报道，西湖大学与阿里巴巴达摩院联合团队在CVPR 2026上提出HiF-VLA模型。该模型以运动（motion）为核心，通过融合视觉、语言和动作，旨在解决具身智能在复杂动态场景中的感知与决策挑战，提升机器人对变化环境的理解与适应能力。
MobileEgo Anywhere：利用普通硬件采集长时长自我中心数据的开源框架
该论文介绍了MobileEgo Anywhere框架，利用智能手机等普通硬件收集超过一小时的自我中心视角数据，以解决现有VLA模型训练数据时长过短的问题。框架包括一个200小时的数据集、一个移动录制应用和一个完整数据处理流程。
迈向可泛化的机器人数据飞轮：高维因子化与组合
First-Principle平台介绍了一项关于机器人学习的研究，该研究针对通用机器人模型数据多样性不足和效率低下的问题，提出了名为F-ACIL的启发式因子感知组合迭代学习框架。