远距离与末端各用一套策略:学习式混合制导在600次多圈低推力交会中全部达标
多圈低推力交会要同时完成长时间轨道转移和米级末端控制,单一策略难以兼顾两种状态尺度。该制导律让远距离专家读取修正春分点根数、末端专家读取目标局部坐标系下的相对状态,再由一个带时间注意力的门控网络连续混合两者推力指令。在600次测试任务中,它在10米与1米/秒容差下全部完成交会,相对4公里距离硬切换把平均飞行时间缩短50.6%、速度增量降低44.5%。
多圈低推力交会要同时完成长时间轨道转移和米级末端控制,单一策略难以兼顾两种状态尺度。该制导律让远距离专家读取修正春分点根数、末端专家读取目标局部坐标系下的相对状态,再由一个带时间注意力的门控网络连续混合两者推力指令。在600次测试任务中,它在10米与1米/秒容差下全部完成交会,相对4公里距离硬切换把平均飞行时间缩短50.6%、速度增量降低44.5%。
非线性系统辨识的激励信号设计此前依赖预设信号类别和逐次优化,且主要面向线性模型的最小化参数方差。这里把空间填充输入设计改写为强化学习问题,智能体按系统观测逐步给出受幅值约束的输入,无需选择输入类别或调频率带。在非线性弹簧-质量-阻尼与Van der Pol两个基准系统上,同一幅值界内学到的策略取得最佳整体空间填充表现,样本分布比现有空间填充多正弦设计更均匀。
一台5吨重的John Deere 332G滑移装载机在仿真中训练出强化学习策略,迁移到真机后能靠前后摆动把车身举上前轮、在两轮上保持平衡并跟踪速度指令。与模型预测控制基线相比,两者在静止平衡和速度跟踪上表现相当,但基线在超过3.5的目标速度下失稳,也无法通过75毫米高的起伏地形,而学习策略可以。整套方法不依赖预先的机器模型,而是先用实测数据训练执行器网络来缩小仿真与现实的差距。
EVAThink把“这段采样帧够不够直接回答”变成训练信号:同一问题、同一答案下构造证据密集与证据稀疏两种视频视图,只保留稀疏视图直接作答变差、但显式推理能补回来的样本对,再用两阶段强化学习教模型在直接作答与推理之间切换。训练仅用6.7K样本,在32帧与64帧固定预算下六个视频理解基准的平均分分别为63.5%和65.6%,均高于基座Qwen3-VL-8B-Instruct;64帧下自适应模式比纯直接作答和纯推理分别高2.3和3.6个百分点,输出长度比纯推理少约62%。
Periodic 用自家实验室的 XRD 数据训练出 Periodic Neon,在内部最难评测集 FrontierXRD 上取得 55.3% 的分析成功率,而它后训练所基于的开源权重模型 Kimi K2.6 初始成功率只有 2.7%。该评测包含 134 个来自其实验室、连人类专家都要花数小时才能解析的复杂多相样品,Neon 在每次分析成本更低的前提下超过了前沿模型,并已部署进其实验室用于超导体与磁体搜索中的实验分析。
酶工程长期依赖定向进化,单点突变中只有不到 5% 有益,却要筛选成千上万个变体。REXzyme 把酶设计改写成一个翻译任务:编码器读入以 SMILES 书写的反应,解码器逐字生成氨基酸序列,模型在约 2100 万对反应—酶序列上训练。针对甲酸脱氢酶催化二氧化碳还原这一逆向反应,经家族特异微调和强化学习对齐后生成的 20 个设计全部可溶表达并具还原活性,其中 C20 的比活达到 80.8 mU/mg,为野生型 CtFDH 的 2.5 倍。
Periodic Neon是一个万亿参数模型,经实验室自有数据的中训练与强化学习后训练,被部署到Menlo Park的高通量实体实验室,用于分析X射线衍射结果。该模型在衍射分析任务上优于Claude Fable 5.1和GPT-6 Astra,且推理优化后可按规模部署。其训练数据来自实验室实验,而非弹性扩展的数字环境。
Tether AI Research发布BotPsy,一个基于Qwen3.5-0.8B、面向函数调用与智能体工作流的0.8B参数模型,可在设备端运行。它经监督微调、多教师在线蒸馏和两轮强化学习训练,在BFCL v4上从基座的23.4升到44.0,在τ-bench上从23.2升到51.5,并在六项工具调用与智能体基准中的五项超过参数量为其2.5倍的Qwen3.5-2B-Think,仅在Claw-Eval上落后(46.5对48.9)。模型仍会出错,定位为低到中等难度任务,不适用于高风险场景。
气动软体机械臂的强化学习控制策略可以完全在离线降阶模型上训练,不必与易损硬件反复交互。此前软体机器人缺少可靠快速的仿真器,直接在硬件上试错代价高昂。研究把机械臂动力学约化到六维绝热谱子流形(aSSM)上,用一个仅6,924个参数的多项式常微分方程作为训练环境,三小时训出跟踪策略并零微调部署,跟踪误差比在4.8百万参数RNN或1.7百万参数Transformer上训练的同类策略低40%。
大鼠和蝙蝠在自然尺度的大空间里,海马CA1位置细胞常出现多个间距不规则的放电野,而经典的单尺度后继表示只在小型围栏里成立。研究者提出因子化分层后继表示(fHSR),把一步动作与指向子目标的分层子程序一起纳入预测地图,再对多个任务的预测地图做非负过完备分解,得到每个模型细胞的调谐。在48米大鼠轨道和200米蝙蝠轨道上,模型复现了放电野数目的伽马-泊松过散布,并预测群体活动存在与环境长度无关的空间周期性,这一预测在大鼠数据中得到检验。