O artigo apresenta o Human2Any, um método para transferência de humano para robô que utiliza planejamento composicional com consciência de restrições. Nenhum detalhe adicional ou corpo de texto é fornecido na fonte.
Os autores apresentam o Show-Harness, um Harness Encarnado que permite que modelos de visão e linguagem (VLM) controlem robôs através de uma interface semântica compacta que vincula intenção a ação. Este sistema expõe unidades de ação semânticas discretas para o raciocínio VLM e utiliza interpretadores específicos da encarnação para ancorá-los em ações locais do robô.
O autor lançou o Calibra, uma ferramenta projetada para identificar demonstrações ruins em conjuntos de dados de aprendizado por imitação em robótica antes que consumam recursos de GPU.
A Generalist AI lançou o GEN-1.5, um modelo base de robôs voltado para pesquisa, capaz de aprender novas tarefas de manipulação física a partir de uma única demonstração de 3–12 segundos por meio de sua janela de contexto de 30 segundos. Essa capacidade, denominada "prompting físico", surgiu espontaneamente após mais de oito meses de pré-treinamento contínuo em dados de interação física, em vez de ter sido projetada explicitamente.