robotics

全身控制的核心不是把语言模型直接接到电机，而是让语义任务、运动生成、接触动力学和安全约束在不同频率上协同：梳理 RL、MPC、WBC、loco-manipulation 与人形数据采集。

从 SayCan、VoxPoser 到 Helix、GR00T 和具身记忆，梳理机器人长时程任务的接口演进、双系统架构、错误恢复与评测缺口：真正缺的不是更长的上下文，而是能被验证的恢复闭环。

导航领域还没有稳定定义的基础模型。GNM 与 ViNT 用 70 到 80 小时数据和归一化路点做到了跨机器人零样本部署，而大模型路线的跨本体证据反而更弱。动作空间消融最能说明问题：归一化路点的成功率是未归一化的两倍以上。

机器人数据从哪里来？梳理真机遥操作、仿真合成与人类视频三条路线，以及多样性幂律、跨本体混合和负迁移之间的张力：机器人 scaling law 存在，但远不是把数据量乘大那么简单。

Domain randomization、3D Gaussian Splatting、Isaac Lab、Genesis 和视频世界模型分别解决了什么？从 SIMPLER 与 GAUGE 出发，说明仿真—真机相关性为何仍缺统一协议，以及个人研究者如何做配对评估。

触觉补上的不是视觉分辨率，而是接触状态：滑动、力、局部几何与形变。梳理 GelSight、AnySkin、Sparsh 到触觉残差、未来触觉预测和柔性物体评测，给个人实验室一条低成本路线。

VLN 从短指令加导航图走向长程任务与连续环境，但长程化远未解决：LH-VLN 上领先方法的成功率只有 2.44。梳理任务演化、稳定的失败模式（停止错误、过度旋转、错误累积）、测试时适应与大模型时代的合流。

游戏、驾驶与机器人对世界模型的要求并不相同，统一它们的不是像素而是动作接口：显式动作条件、潜在动作与视觉动作。从 Genie 到 KineBench，梳理正面证据、物理基准的负面结论，以及尚未被证实的强命题。

拆解 VLA 跨本体泛化的核心障碍——动作空间异构，以及从离散 token 到物理对齐的四代解法。重点梳理一份系统消融的实证：物理对齐比数据规模更重要，异构数据朴素混合反而带来负迁移（LIBERO 上 77.3% 逐级降到 72.1%）。

半年内两篇独立综述把世界动作模型（WAM）立成正式方向。梳理它的定义边界、三种工程实现与产业合流，以及正反两面证据：最强证据来自把世界模型当训练器而非直接当策略，而联合评估协议至今缺失。