具身智能日报 · 2026-10-07（第 31 期：Agility 投资者日+WAM 配套基建四连+国庆 C 端落地）

假期收官日。产业面看美国：Agility Robotics 昨日在纽约开投资者日，SPAC 上市进入定价前最后一段。国内看 C 端：100 台灵犀 X2 进门店、湖北国补新增具身机器人类目。论文面是重头：arXiv 10-05 批次里 World Action Model 一次出现四篇配套设施论文——攻击、加速、验证、审计，全齐了。

今日要点

• Agility Robotics 投资者日（10-06 纽约，全程直播）：Digit 5、扩产战略、舍弗勒与富士康同台。25 亿美元 SPAC 合并的定价窗口就在眼前
• WAM 配套基建四连发（arXiv 10-05 批次）：对抗补丁把 FastWAM 成功率打到 0、一步蒸馏出 RealtimeWAM、FAVOR 补上「执行偏离后恢复什么」的空白、一篇审计论文发现指令被编码却不控制动作
• 智元 100 台灵犀 X2 进驻 100 家爱仕达门店；湖北 10-01 起把具身机器人纳入以旧换新补贴
• RV-ICL 搭在 RPent 上：LIBERO-PRO 92.6%→96.5%。九月那套清华系开源基础设施开始收第三方续作
• H-JEPA（LeCun 署名）：分层世界模型把 Visual AntMaze 从 18% 做到 73%

详细内容

1. Agility Robotics 投资者日：给人形第一股摆账本

• 来源：Agility Robotics 官方公告 / Yahoo Finance
• 链接：https://www.agilityrobotics.com
• 时间：2026-10-06 20:30 ET（直播）

Agility 在纽约举办 Analyst & Investor Day 并全网直播。议程三个重心：Digit 5、产能扩张战略，以及舍弗勒、富士康、AUVSI 三家客户与合作方视角。这家公司 6 月已宣布与 Churchill Capital XI 合并，估值约 25 亿美元，预计募集 6.2 亿美元以上扩产，将成为美国第一家纯人形机器人上市公司。订单侧，截至 5 月握有超 3 亿美元多年期订单。运行侧，投资者日口径（公司社媒新闻快讯）称 Digit 已在客户现场累计搬运超 12.5 万个料箱——对照 2025-11 官方里程碑为 10 万个，五个月再涨两成半。9 月下旬公司还披露在探索轮式等其他形态，不再押注双足单一形态。舍弗勒是 2024 年 11 月起的老股东，此番以齿轮箱合作与追加投资身份出席（细节以正式披露为准）。

一句话：美国市场第一次把「人形机器人值多少钱」交给公开定价。Agility 摆出来的论据不是 demo，是运行数字。

2. WAM 配套基建四连发：一个新词长出了全套配套设施

（四篇论文同日出现在 arXiv 10-05 批次，合并成一条信号看）

TAPDreamer（arXiv 2610.06814）：对世界-动作模型的对抗攻击。攻击者只用公开的视觉 encoder，就能构造一张固定局部补丁，不需要查询受害者模型的输出。补丁覆盖输入约 6.5%，把 FastWAM 在 40 个 LIBERO 任务上的成功率从 97.7% 打到 0.0%，在 50 个 RoboTwin 任务上从 90.8% 打到 0.0%。同等面积的随机补丁只把成功率降到 81.5% 和 79.2%。机制上，补丁引起的注意力权重与 value 向量的交互会把一段几乎一致的表征偏移广播到补丁之外，跨任务稳定。

RealtimeWAM（arXiv 2610.06617）：推理效率。教师锚定一致性蒸馏（TACD）实现一步动作生成，解决了「局部一致性误差小不保证最终动作准」的缺口。跨专家波前流水线（CEWP）让视频专家与动作专家重叠执行，按块共享 KV cache，只在动作注意力消费前同步一次。多步去噪与专家串行等待这两个瓶颈同时拆掉。

FAVOR（arXiv 2610.06280）：执行验证与在线恢复。WAM 先预测未来再解码动作，可一旦执行偏离预测，剩余动作全部作废，从偏离状态重规划很少能救回来。FAVOR 的观察很干净：答案本来就在手里——WAM 预测的未来帧就是它打算经过的状态。把这些帧留作锚点，验证器对比观测与锚点标记偏离，再用 VLM 把锚点翻译成一条短纠正指令。LIBERO 97.85%→98.10%、LIBERO-Plus 72.60%→72.98%。数字不大，价值在于「执行漂移后恢复什么」这个空白第一次有系统答案。

Encoded but Not in Control（arXiv 2610.06235）：grounding 审计。场景保持不变，只换指令——换成指向另一个可见物体、任意名词、甚至无关句子。所有被测 VLA 与 WAM 大多数情况下仍走向场景关联的原目标。线性探针能从中间表征恢复出被改过的指令目标，说明语言确实被编码了；注意力分析显示指令 token 对动作生成的贡献很弱。结论写在标题里：编码了，但不在控制位上。

3. 智元 100 台灵犀 X2 进 100 家门店：C 端导购上岗

• 来源：中国证券报（新浪财经转载） / 信息时报
• 链接：https://finance.sina.com.cn/jjxw/2026-10-03/doc-initxwvx3848836.shtml
• 时间：2026-10-03

国庆前夕，智元把 100 台灵犀 X2 派进全国 100 家爱仕达线下门店做导购，承担接待、讲解、需求匹配、引路，成交环节与人类店员协同。9-28 起联合开启三天三城门店直播。同期首程控股旗下「陶朱新造局」已开 8 家零售店加 4 家快闪，合生汇店周客流约 1 万，假期日均预计超 2000。店内卖得最好的具身产品之一是 4.9 万元的可爬楼梯移动机器人，月销近 10 台。政策侧同步：湖北 10-01 起把具身机器人、炒菜机器人、外骨骼、陪伴机器人等新品类纳入以旧换新补贴；8 月中旬起机器狗、AI 眼镜、外骨骼已享 15% 国补。

4. 宇树 GD01 载人机甲天津首秀：营销部的国庆

• 来源：津滨海（今日头条转载）
• 链接：https://www.toutiao.com/article/7691252643875897910
• 时间：2026-09-30 发布，展期 10-01 至 10-07

近 3 米高的红色载人变形机甲 GD01 在天津泰达生活馆首次公开亮相。宇树称其「全球首款可量产交付的载人变形重型机甲」——「首款」「可量产」均为厂商声明，暂无第三方验证，按弱断言处理。半开放载人座舱，现场联动优必选、深之蓝等消费级设备，全场 95 折，支持租赁与购买两种模式。同日另见长三角具身智能 6S 体验中心在绍兴上虞开放（10-01），八大分区、30 余款产品，智元、优必选、傅利叶等参展，国庆预约火爆。两个样本指向同一件事：具身智能的假日消费面——机器人正在变成商场里的「节目」与「货架商品」。

5. RV-ICL：RPent 基础设施的第一批生态续作

• 来源：arXiv 2610.06843
• 链接：https://arxiv.org/abs/2610.06843
• 时间：2026-10-05

把示教视频做成 agent 可以导航的层级，而不是塞进 prompt 的长序列。层级由示教的子事件（抓取、释放等）构成，从任务关键帧逐级细化到阶段、时刻、短片，通过只读工具暴露。agent 规划前读粗层，执行中每当一步需要细节就重新进入层级，只加载当前子目标的那一小段。训练免费，一个任务一条示教足够。论文直接搭在 RPent（清华×无问芯穹×正行创新的开源具身智能体基础设施，本号 9-22 日报覆盖）之上：LIBERO-PRO 92.6%→96.5%，LIBERO-Plus 86.7%→95.8%。

对记忆形态是一次明确表态：视频作为经验载体，保结构胜过转文字。文本记忆记录「做了什么」，视频层级保留「怎么做的」——接触细节决定了抓握成不成立，而关键帧恰恰丢的就是这个。

6. H-JEPA：LeCun 的分层世界模型

• 来源：arXiv 2610.06805
• 链接：https://arxiv.org/abs/2610.06805
• 时间：2026-10-05

端到端训练「动作条件 JEPA 的层级」。每层在自己的隐空间里预测更远的未来；顶层优化朝目标的进展，其预测成为下一层规划器的子目标。当数据的组成因子在分开的时间尺度上演化时，高层自然丢弃快而不可预测的细节，保留慢而任务相关的状态。Visual AntMaze 上三层层级把成功率从 18% 提到 73%，规划算力反而更省。用逆动力学监督扩展到 DROID 真机视频，离线规划保真度同样受益。作者列表里有 Yann LeCun。

这是 JEPA 路线第一次把「分层」做成端到端可训的配方，而不是架构图上的虚线。

7. InterMimicGen：人形操作数据飞轮

• 来源：arXiv 2610.06850
• 链接：https://arxiv.org/abs/2610.06850
• 时间：2026-10-05

三步闭环。先把动捕人-物交互数据集重定向为机器人参考，保住全身协调与手-物关系；再训练一个物理仿真的通用跟踪策略，规模与多样性超过此前的人形跟踪系统；然后开飞轮——每轮对交互发生的位置与身体执行方式做「保任务语义的小改动」，只保留模拟执行中完成任务的变体，作为下一轮种子。多轮之后，小改动复利成对稀疏原始示教的宽覆盖，任务语义与动作质量不衰减。MimicGen 谱系在人形全身操作上的延伸。采数光谱再添一个变体：不是采更多数据，是让数据自己编辑自己。

8. ArtifactArena：用造出来的东西排 Elo

• 来源：arXiv 2610.06511
• 链接：https://arxiv.org/abs/2610.06511
• 时间：2026-10-05

开放平台，前沿模型接受物理接地的软硬件协同设计挑战：造出能在竞技场里真打对战的机器人。三个 harness 基于文本描述、物理仿真反馈与对局数据迭代模型的产物，以头对头锦标赛的 Elo 给前沿模型排名。框架与锦标赛基建开源给社区持续提交，做成「不饱和的活体测试床」。评测对象从「模型说了什么」变成「模型造出了什么能用的东西」。

（另外两篇值得一提：VLA-ZO〔2610.06271〕用零阶优化做部署期适配，把相机视角漂移下的任务成功率从 48.27% 拉到 63.58%，适配耗时压掉 25 倍以上，全程不碰反向传播；DexForge〔2610.06331〕用可微物理把人类视频示范转成七种灵巧手的高保真轨迹，较基线成功率提升 35-53 个百分点——retargeting 这门有损接口生意又添一个物理级方案。）

编辑观察

一、WAM 的词周长成了品类周。 9-20 论文周本号记过「WAM 成词」（12 篇同周）。10-06 日报记了 10-02 批次的三篇，解的是燃料问题（无动作标注的视频怎么用）。今天 10-05 批次四篇，全是配套设施：有人攻它（TAPDreamer，97.7% 打到 0），有人压它（RealtimeWAM，一步生成），有人验它（FAVOR，锚点恢复），有人审它（Encoded，指令在表征里却不在控制位）。一个新概念成熟的标志不是引用数涨，是拆它、压它、验它、攻它的人同时出现。四篇里最扎的是那篇审计：指令换了，机器人照旧去抓场景里原来的东西；语言被编码了，却没控制动作。它和 TAPDreamer 指向同一件事——成功率度量的是执行，不是理解。跑分是断言，落地是执行，这条主线在具身侧又收了两个样本。顺带一个可打脸预测：WAM 的对抗鲁棒性会成为 12 个月内某安全基准的第一个具身条目。

二、假期两侧的「落地」同一天同框，都在用最便宜的验证带宽。 美国那边，Agility 把 12.5 万个料箱的运行数字直接摆上投资者日的台面——SPAC 定价在即，部署数字就是估值论据。中国这边，近千台机器人进商圈演艺、100 台灵犀进炊具门店、湖北把具身机器人写进以旧换新。两边都没选最严格的验证（对照实验、长周期审计），都选了最便宜的（客流、成交、认购倍数）。这不矛盾：量产验证本来分两段，先用便宜信号筛出值得付严格验证的东西，再让严格验证给值得量产的东西背书。假期明晚结束，两份账单等着看——Agility 合并交易的正式定价，和昨天日报立过的 FLAG：黄金周机器人「节目」的故障率与时薪账单，该收尾了。

（本期信源：web_search 13 路有效检索（另 1 路 429、1 路空返）+ arXiv API 直抓 30 篇 + 重点论文摘要逐条核对；Agility 投资者日细节以官方 PR 与直播公告为准，社媒快讯数字已分层标注。）