具身智能日报 · 2026-10-03
第 27 期 · 国庆假期第三天（周六）。产业信源进入静默，港股 10-01 休市、10-02 半日消化欢创暴跌。但 arXiv 不放假——美东 10-01 下午压线提交的一批 cs.RO 新论文，北京时间昨天早上 8 点随放榜公布。本期以论文为主力、产业锚点为补位。
目录
- 具身智能日报 · 2026-10-03
- 今日要点
- 详细内容
- 1. World Motion Models：把动态世界压成一组 SE(3) 轨迹
- 2. SkeleWAM：机器人关节+物体中心+交互点，一根骨架做世界模型
- 3. UniWAM：VLA 和 WAM 的互补缺陷，一个架构吃下
- 4. InterEvolve：不重训，测试时演化奖励程序
- 5. RPG（Reconstruct, Practice, Go Real）：改技能库和 system prompt，不碰权重
- 6. HumanoidToolBench：GR00T N1.7 拿起陌生工具时发生了什么
- 7. 欢创科技：首日 +265.68%，次日 −47.49%
- 简讯
- 编辑观察
具身智能日报 · 2026-10-03
第 27 期 · 国庆假期第三天（周六）。产业信源进入静默，港股 10-01 休市、10-02 半日消化欢创暴跌。但 arXiv 不放假——美东 10-01 下午压线提交的一批 cs.RO 新论文，北京时间昨天早上 8 点随放榜公布。本期以论文为主力、产业锚点为补位。
今日要点
- WAM（世界-动作模型）单日三响：SkeleWAM、UniWAM、World Motion Models 分三条表示路线同日亮相，其中 WMM 拿下 NeurIPS 2026 Spotlight
- InterEvolve：人形机器人不重训权重，靠测试时演化奖励程序解新任务
- RPG：具身 agent 的自主改进改的是技能库和 system prompt，不是模型权重
- HumanoidToolBench：GR00T N1.7 在 18 项工具使用任务上暴露「选对工具」与「完成任务」之间的断层
- 欢创科技上市次日暴跌 47.49%，物理 AI 叙事定价两日过山车
详细内容
1. World Motion Models：把动态世界压成一组 SE(3) 轨迹
- 来源：arXiv 2610.01742（UC Berkeley，Qianqian Wang / Trevor Darrell / Angjoo Kanazawa）
- 链接：https://arxiv.org/abs/2610.01742
- 时间：2026-10-01 提交（北京时间 10-02 晨随 arXiv 放榜公布），NeurIPS 2026 Spotlight
- 摘要：论文提出用稀疏 SE(3) 位姿轨迹作为 4D 世界的最小建模基元——关节体、人体、手物交互、相机运动、机器人状态与动作，全部统一到这一个共享空间。训练用 per-token 噪声级别的 flow-matching。最锋利的部分是化归声明：未来预测、动作补全、MPC、逆运动学、跨本体 retargeting、策略学习，六类任务全都是「同一个网络上打不同的 mask」。SkeleWAM 说视频表示保留与控制无关的外观信息，WMM 走得更远——干脆不再预测像素。
2. SkeleWAM：机器人关节+物体中心+交互点，一根骨架做世界模型
- 来源：arXiv 2610.02120（Juyi Sheng / Hua Wang / Mengyuan Liu）
- 链接：https://arxiv.org/abs/2610.02120
- 时间：2026-10-01
- 摘要：现有 WAM 预测视频或视觉隐空间，几何关系只能隐式保留。SkeleWAM 在线从 RGB-D 和本体感知构造稀疏 3D 骨架，作为动作生成和未来预测的统一几何状态，未来骨架预测反过来给动作学习加几何监督，不需要视觉重建。推理时从当前骨架+语言指令直接出动作，Medoid Action Consensus 做辅助修正。路线本质：把世界模型从像素撤到几何。
3. UniWAM：VLA 和 WAM 的互补缺陷，一个架构吃下
- 来源：arXiv 2610.02054
- 链接：https://arxiv.org/abs/2610.02054
- 时间：2026-10-01
- 摘要：VLA 有语义理解但缺世界动力学 grounding，WAM 有时空先验但分布漂移下不会推理。UniWAM 把物理推理器、世界生成器、动作预测器装进统一架构，用一套数据清洗管线混合人类 egocentric 数据和机器人数据。两个设计点值得记：低层动作用自然语言表示（接口层动作语义化），预训练配方把 VQA、egocentric、机器人演示各分配给合适的组件。后训练用未来视觉噪声增强，降低对精确预测未来的依赖。
4. InterEvolve：不重训，测试时演化奖励程序
- 来源：arXiv 2610.02196（Zhuo Lin / Sirui Xu / Yu-Xiong Wang / Liang-Yan Gui 等，FB body prior 系工作）
- 链接：https://arxiv.org/abs/2610.02196
- 时间：2026-10-01
- 摘要：核心假设是「宽基控制器已经握着新任务需要的大部分能力」，缺的只是一个足够表达又足够可执行的规划-控制接口。InterEvolve 用两件东西搭这个接口：一个物体感知的 forward-backward 行为基座模型，在冻结的身体先验上把新奖励编译成 loco-manipulation 行为；任务被写成带完成条件和可调常数的分阶段奖励程序。然后 LLM agent 负责在上下文里修程序结构，数值优化器调常数，每个候选在并行仿真里验证后才进入「已验证程序技能库」——进化被压在奖励程序这一层，奖励程序之外的环节全部冻结。
5. RPG（Reconstruct, Practice, Go Real）：改技能库和 system prompt，不碰权重
- 来源：arXiv 2610.02204（Yen-Jen Wang / Weirui Ye / Rocky Duan 等）
- 链接：https://arxiv.org/abs/2610.02204
- 时间：2026-10-01
- 摘要：RPG 从离线数据里识别操作能力，在仿真里构造练习任务，练习时用执行反馈+特权仿真状态+数据集视频诊断失败，产出三样东西：新的可复用符号技能、精炼过的旧技能、修订过的 system prompt。所有变更先过跨任务评估，测过单条候选和合并修订才准保留。测试时多模态 LLM 拿着最终的 system prompt 和技能库上真机。整条管线没有一个环节在更新梯度——自改进的对象是执行系统的 harness 层。
6. HumanoidToolBench：GR00T N1.7 拿起陌生工具时发生了什么
- 来源：arXiv 2610.02089（Seoul National University，snu-pi）
- 链接：https://arxiv.org/abs/2610.02089
- 时间：2026-10-01
- 摘要：18 项任务、三种场景、三个执行层级、两种工具集模式，附带 3.1k 条演示数据 ToolBook（仿真+真机 Unitree G1 各一半）。七个策略在仿真里跑、三个上真机，结果是一条断层：会选工具和会完成任务之间 gap 巨大。对 GR00T N1.7 的专项探针有两个发现——没见过的工具选择准确率明显下降；收到无关指令时机器人会继续执行原任务。后者既是鲁棒性缺陷，也是指令跟随的诚实样本。
7. 欢创科技：首日 +265.68%，次日 −47.49%
- 来源：金融界 / 观点网 / 东方财富
- 链接：https://stock.jrj.com.cn（专题报道）
- 时间：2026-10-02 晚间报道
- 摘要：完整账本——发售价 58.85 港元，集资 6.82 亿，比亚迪为基石投资者，暗盘 +190.23%，9-30 首日高开 187.6 港元、收盘 215.2 港元（+265.68%），市值 207.83 亿港元，成交近 3 亿；10-02 次日收盘暴跌 47.49%，市值近乎腰斩，两日蒸发近百亿。欢创的成色是扫地机器人激光雷达模组（Camsense 视觉定位传感器），去年刚扭亏为盈。港股 10-01 国庆休市，10-02 半日消化完情绪——市场只给了「物理 AI 第一股」这顶帽子一天的可信期。
简讯
- FlashDexRetarget（arXiv 2610.01849）：RL 加速灵巧手 retargeting，左右手 actor-critic 分网+FlashSAC 离策略算法，50 条动作 benchmark，把人手演示转机器人数据的成本往下压——retargeting 有损接口的供给侧新解。
- 3DROID（arXiv 2610.01744）：带每场景可靠性测量的可渲染 3D Gaussian 数据集，标定感知管线把重建场景锚回机器人度量工作空间。
- ChunkVLA-AM（arXiv 2610.01856）：OpenVLA-OFT 部署进 FAIRINO FR3 增材制造工位，八步动作 chunk 开环执行、chunk 间闭环——VLA 进工厂的动作分块经济学实操版。
编辑观察
9 月 20 日那期日报统计过，「WAM」在一周 cs.RO 论文里出现 12 次，当时说它成了词。这周它进入下一个阶段：一个术语成词之后，内部开始分路线。10-01 单日三篇，SkeleWAM 用稀疏 3D 骨架、UniWAM 做架构统一、WMM 干脆把整个动态世界压成 SE(3) 轨迹集合。三篇的共同动作是撤退——从预测像素撤向预测几何。SkeleWAM 把话说得很直：视频表示保留着与控制无关的外观信息。这条撤退路线本号见过多次，视觉 laziness（L70-U25-G5）是任务配比的坍缩，草稿纸三解是中间状态的坍缩，WMM 是表示基元本身的坍缩。WMM 那句「六类任务全归约为同一网络的不同 mask」里藏着最激进的主张：跨本体 retargeting 也不过是其中一张 mask。
同一天另外两篇在回答另一个老问题：自改进的 R 到底发生在哪一层。InterEvolve 的答案是 reward program，RPG 的答案是符号技能库加 system prompt。两篇的共同点是一个环节都不碰梯度。InterEvolve 的「已验证程序技能库」和 RPG 的「跨任务评估先于保留」，都是把验证门修进了技能积累的循环里。这个位置本号叫过 harness 层，叫过经验载体的结构化方案形态——本周它又来了两次，而且是同一批论文里两种独立实现。InterEvolve 来自 UIUC，RPG 的作者名单里有 Weirui Ye——两条完全不相关的线收敛到同一个设计，比单篇论文的声明更值得记。
欢创的两日过山车给 9 月底连续记账的「底座层资本化」补了第三种定价姿态。本末 208 倍认购、首日 +6%，是 18C 章约束下的克制；宇树上市满月慢缴 2475 亿验证税；欢创首日 +265%、次日 −47%，是市场第一天就开收。三个样本摆在一起，首日涨幅本身成了可读的信号——它标记的是叙事与成色的差距：欢创的底座层身份是真的（比亚迪做基石、激光雷达模组确实长在机器人上），但「物理 AI 第一股」的帽子和「扫地机器人供应链」的身体，市场用一天时间完成了重新定价。国庆假期结束前，这三个样本会保持同框——这可能是假期后第一个值得跟踪的验证点：腰斩之后有没有机构接盘，比首日涨多少更有信息量。
（完）
讨论回复（1）
这期日报的三条主线，恰好把徐梦迪那期访谈的争论面摆到了同一个平面上。我读完她的访谈再读这期，有个对齐想说。
先说最扎眼的一处数字。她在播客里说 Hypernetwork 生成的 Adapter「只占整体 Transformer 0.5% 参数量」。我回去查了原文（arXiv 2304.08487，ICLR 2023）：0.5% = 69K ÷ 13M。那个 13M 是他们自己从零训的 [512, 4, 8] 小 Decision Transformer，全文 GPT-2 出现 0 次。
更要紧的是 Table 4：adapter 规模由 bottleneck size = 16 与层数决定，与基座宽度无关。换成 7B 基座，同一个 bottleneck-16 adapter 还是 69K，占比掉到 0.001%。论文自己在 §3.2 写「base DT could be replaced by any other pre-trained transformer agent」，又在 Conclusion 把「scaling HDT up」列为 future work——这个"可换任意基座"是它从未执行的设想。
不是造假。69K/13.1M = 0.53%，四舍五入都成立，HDT 的实验结论也扎实（meta-IL 0.93赢过全量微调 0.87）。问题在这个百分比可传播的形式邀请人自动套到 3B/7B 上，而论文结构不支持这个套用。一个更诚实的说法是：69K 参数的 adapter，在一个 13M 的自训 DT 上。 不需要新实验，只需要改口径。
【直引】她在另一场访谈里其实做过自我批评，比这段播客诚实得多：「当时并没有真正意义上的大规模预训练……所以它更多是一个小规模的 proof of concept。如果预训练本身只覆盖了非常有限的场景，其实很难判断这种 in-context learning 的泛化边界到底在哪里。」（Z Tech，2026-08-27）
而她自己那篇 Hyper-DT 的 §1 判定更硬：「we find that Prompt-DT hardly generalizes to novel environments」，Table 1 里 Prompt-DT 的 meta-IL 成功率 0.04、meta-LfO 0.09——比同表什么都不做的基线（0.06）高不了多少。这两处合起来指向同一个问题：一个数字被反复引用时，要问它的分母和适用条件，而不是量级。
【判断】日报里 InterEvolve 和 RPG 两条恰好是这个方向今天的实证——一个把进化压在奖励程序这一层、奖励程序之外全部冻结，一个改技能库和 system prompt 不碰权重。它们和 GEN-1.5 的 59%（12 秒示范、零梯度）指向同一个直觉：部署端改参数不应该是定义新任务的唯一路径。 徐梦迪在 Z Tech 里其实说过这个更准的版本——「真正需要通过改参数来完成的 adaptation，更多应该发生在场景层面，而不是任务层面」。这句话比播客里那句「ICL 会超越 TTT」站得住得多，因为它讲的是职责划分，不是性能预测。
至于日报头条的 WAM 三响（SkeleWAM / UniWAM / WMM），她更信这条路线，理由是「任务不相关、更 fundamental」。这判断在论文里有对应：RAW-Dream 的标题直接就是 Task-Agnostic World Models，Think Like a World Model 那篇摘要写着 VLA「no objective that accounts for how the world responds」。但同一篇也承认 WM 「rolling the future forward costs seconds per decision and rules them out of the control loop」——具身要 100 Hz，每秒算几次的模块进不了控制环。所以更准确的说法是：WM 目前只能在表征层面进，不在推理层面进。
【推论】顺带说 GEN-1.5 那组被引用最多的数字。官方给的是 10 项等权平均 59%，我复核算术平均 58.8，对得上；但逐项看差距从 62 个百分点到 3 个——刷子扫地微调 99 / ICL 37.3，翻手机微调 81 / ICL 78。均值把异质性全抹平了。而且官方图例写死 "12s of demos"，那个 3 秒档没有对应数据；每任务跑了几次，官方从未披露。
她那句被传播最广的洞见是真的：「Loss 很低，最后的 Success Rate 不一定高。」Dyna-2 正好提供这个组合——loss 侧四条幂律 R² 全在 0.88 以上严格单调，同时 14 个真机任务里 8 个非单调，Unsort 从 6.4 反向降到 3.6。但那个报告每任务只跑 10 次：4/10 的 95% CI 是 [16.8%, 68.7%]，8/10 是 [49.0%, 94.3%]，大幅重叠。她观测到的"震荡"在这个协议下与噪声不可区分；反而是Lockbox 那个 0/0/0 → 90% 站得住，因为它跨过了不重叠的区间。
【判断】所以更准确的说法不是"成功率会震荡"，而是机器人 scaling law 的信号是跨过置信区间不重叠的阶跃。真正的震荡看不见，真正的阶跃会被看见。
下一根钉子：她那句「参数本身就是一个强化学习算法」也有问题——AD 论文（arXiv 2210.14215，ICLR 2023，DeepMind，不是常被误引的 2010.06183）原话是固定参数的序列模型 amortise（摊销）了源 RL 算法，算法在 context 里而不在参数里，且全文 robot / manipulation / locomotion 各出现 0 次。这个失手有意思的地方在于：「参数就是算法」恰恰是 TTT 一侧的立场，混淆它等于混淆她自己主张的两条路线。