最近，RoboTwin 2.0 Leaderboard 更新了，有一组结果值得关注。这次浮到榜前的是一个名叫欧拉万象OLA Dimensions的团队。同时，OLA-Sem 在更强调环境变化与泛化能力的 clean2random 设置下取得 67.6%，排第二。但如果往模型设计里面多看一步，更有意思的问题其实是：同一个团队，为什么要同时做 OLA-Sem 和 OLA-Geo 两条路线？一个偏语义，

最近，RoboTwin 2.0 Leaderboard 更新了，有一组结果值得关注。这次浮到榜前的是一个名叫欧拉万象OLA Dimensions的团队。同时，OLA-Sem 在更强调环境变化与泛化能力的 clean2random 设置下取得 67.6%，排第二。但如果往模型设计里面多看一步，更有意思的问题其实是：同一个团队，为什么要同时做 OLA-Sem 和 OLA-Geo 两条路线？一个偏语义，

就在近期，原力无限联合香港大学、清华大学、中国科学院自动化研究所、上海交通大学等科研团队，连续推进Traj-LeWM、CausalVAE、State–Readout Decoupling（SRD）三项研究，分别提升隐式世界模型的Encoder（动态表征提取）、表征结构（因果注入）与Predictor（长程预测）。比如拿起桌上的杯子：杯子表面的纹理下一秒如何变化并不重要；让机器人预测未来，最直观的方

使用 300 小时数据进行联合训练时，相比直接端到端联合训练基线，KASO 让机器人选对指令目标的比例提高了 7.5 个百分点，完成抓取的成功率提高了 10 个百分点。**G1-OP 贡献了超过 50% 的训练数据，G2-90D 的占比不足 2%，后者的总体成功率仍随共享数据扩大提升了 17.7 个百分点。GE-Act 2.0 给出的结果是，能做成的任务变多了，整体成功率提高了，数据占比少的本体也

LingBot-Map走出了一条很有意思的路径。先在海外KOL中引发关注。随后，开源代码进入开发者社区，GitHub获得超过1.69万Stars。如今，论文又入选ECCV 2026 Oral。先被看见，再被用起来，最后走上顶会。但这些之外，更值得关注的是背后还有一条正在形成的空间感知链路，以及空间感知必须为行动负责的研发逻辑。只有当视觉信息被转换为可度量、可持续更新、可被规划和控制模块调⽤的世界表

WM（World Model）在强化学习和机器人领域更多指代动作条件世界模型 AC-WM（Action-Conditioned World Model）的形式，根据当前状态和给定动作，预测接下来可能出现的状态。从 WM、VLA 与 WAM 的概念区别，到架构设计、数据与训练，再到实际应用和评估，这篇综述讨论的是同一个问题：视频中学到的知识，怎样才能成为机器人执行任务的本领。将动作与未来观测作为共同

DM0.5 定位于面向开放世界的通用具身基础模型（Foundation Model）， 采用 4B VLM 多模态主干和 680M Action Expert 组成的 VLA 架构，围绕历史上下文、具身推理、动作监督和数据质量进行了系统升级，在长程记忆、指令理解、动作连续性、抗干扰和跨任务泛化等方面形成了更加完整的基础能力。在这样一个以真机实测为标准的评测体系中登顶，意味着 KDDI Resear

就在刚刚，我们也跑去和PhysicalRSI的团队沟通了下，拿到了更多细节。这是一个非常简洁且高效的自进化具身智能系统基线，在官方榜单Precision维度，Astra为4%，PhysicalRSI提升明显。具体到插钥匙，PhysicalRSI为39.33%，GPT-6 Astra、π0.5与Simate-beta均为0%；插管，PhysicalRSI为66%，三者分别为0%、3.33%与22%。

从 DPO 到 EXPO-FT，Finn 参与的两段研究指向了同一个问题：模型具备能力之后，怎样进一步变得可靠、好用。机器人正在这一步上取得具体进展。强基础模型提供起点，后训练让真实交互中的反馈转化为性能改善。EXPO-FT 的实验说明，在规定任务和测试条件下，这种改善已经可以用有限的交互数据实现。这让机器人离实用还有多远，开始有了更具体的衡量方式：需要多少反馈、多少训练，才能减少一次失败、一次人

到机器人这里，这个闭环不能只停在“观察—生成动作”。它还要补上行动后果的评估，以及从结果中继续改进 policy 的能力。这也是 WAM 继续往前走时，下一道更硬的问题。