测试时物理诊断何时有效？——冻结策略获取未读证据的代价

ForceTwin通过人类交互数据学习关节物理属性（惯性、摩擦、弹簧机制），构建可预测动作的物理信息数字孪生，赋能机器人精准操作。

提出 AffordanceWAM，一种 affordance-aware 生成式世界动作模型，通过融合 action-labeled 机器人视频与 egocentric 人类视频监

提出GINIO框架，实现IMU测量在任意安装姿态下的SO(3)等变性约束，提升惯性里程计在滤波管道中的测量一致性。

提出LOInK方法，通过结构化神经代理模型学习构型空间到解耦任务/潜空间的Lipschitz可逆映射，将代价最小化解置于原点，实现逆运动学近似最优解的高效采样。

综述机器人学习中物理先验嵌入的方法，涵盖接触力学、刚柔体耦合、多体动力学等物理约束如何提升学习策略的样本效率与可靠性。