具身的手控制领域的研究，论文对各个厂商的机器手定义了统一动作空间，然后将大量人手数据转换为机器手数据，然后基于 Gemma 定义了一个 3D-VLA 模型。

一篇 VLA 领域的大型仿真环境。

一个3D重建工作，但是手持物体的3D重建。

一个3D重建的方法。去掉了帧顺序的输入的限制，引入了一个对称的网络。

一篇关于世界模型的论文。推理时去掉预测未来视频的步骤，用一次简单的前向传播替代，大幅提高性能。

依旧是经典随笔。

对一些图像/视频的指标计算公式进行了分析。