具身智能日报 · 2026-10-08

（第 32 期：假期账单到账，judge 开始与策略共演化）

今日要点

• 黄金周机器人商业大考收官：烧卖购上海门店整体交易额较平日接近翻倍，宝山滨江店周环比 25 倍以上，单店平均人力 0.2–0.3 人
• VeriFine：自改进不断暴露新失败模式，固定 judge 会过时——评估器必须与策略、课程共同演化
• DepthWorld：视频世界模型帧帧看着对，拼不成一致的 3D 世界
• RIWANav：冻结的世界模型会随策略演化失配，世界模型自己也要进自改进循环
• PhoneBot：UCLA Dennis Hong 系开源平台，直接拿智能手机当人形机器人的传感计算单元

详细内容

1. 黄金周机器人商业大考，账单来了

• 来源：新民晚报 / 上观新闻（腾讯新闻镜像）
• 链接：https://news.qq.com/rain/a/20261005A055QP00
• 时间：2026-10-05 14:20
• 摘要：商汤科技旗下商汤善惠的具身智能便利店「烧卖购」，国庆期间上海门店整体交易额较平日接近翻倍；增幅最大的宝山滨江店周环比增至 25 倍以上。机器人「小麦」高峰时段最快 15 秒完成一单，闲时自己整理货架、盘点库存。几个结构性数字值得记下：单店平均人力约 0.2–0.3 人（一人可支持 3–5 家门店）、上海优质点位投资回收期约半年到一年、已落地 20 余家门店、节前刚发布零售物理操作系统 SenseMart OS 并启动「千城万店计划」。报道同时点出短板：维修体系是横在几十家到几千家之间的一道坎——故障率没有数字，只有这句定性自认。
• 海关备注：25 倍是宝山滨江单店的周环比口径（对比平日低基数），「接近翻倍」是全店整体口径，两个数字归属不同分母，并列阅读时先分清谁是谁。

2. 全国多点开花：成都近 10 场、广东 60 台、长隆 300+ 台

• 来源：川观新闻 / 封面新闻 / 同花顺 / 中国日报
• 链接：https://cbgc.scol.com.cn 、http://field.10jqka.com.cn 、https://cn.chinadaily.com.cn
• 时间：2026-10-02 至 10-07
• 摘要：成都市经信局统筹「智创国庆」系列活动，本地具身企业近 10 场落地东郊记忆、春熙路等地，机器人进服装店、蛋挞店营业；广东「机器人国庆奇妙夜」全国联动 IP 主展演落户广东科学中心，现场集结 60 台机器人（9-30 至 10-07）；珠海横琴长隆飞船乐园假期投用超 300 台机器人，覆盖导览、零售、酒店服务。21 世纪经济报道节前梳理：部分站点单店假期营收已超 10 万元。
• 海关备注：同月同日跨年陷阱今天无新增；「300+ 台」与 9-24 乐园开园口径（300+ 台）一致，属运营续篇非新投放。

3. VeriFine：自改进让 judge 过时，验证也要跟着长

• 来源：arXiv 2610.08761（Zewei Zhou, Rachel Luo, Yulong Cao, Chaowei Xiao）
• 链接：https://arxiv.org/abs/2610.08761
• 时间：2026-10-06 提交
• 摘要：论文开宗明义：「自改进策略持续暴露新的失败模式，改变了 judge 必须能验证什么」——固定裁判同时锁死优化反馈和有用训练样本的发现。VeriFine 提出一个 agent harness 框架，让策略、训练课程和 judge 共同演化，用扩展验证来支撑具身推理的自改进。作者提出 Policy-Judge 共演化结构，摘要明确用了「agent harness framework」的表述。
• 关联：验证带宽主线本周第二次被论文正面命中（昨天 Encoded but Not in Control，今天这篇）。改进循环里没有静态裁判——这正是 RRSI 揭示的 adaptive overfitting 病的另一半答案：不光数据会被自适应重用污染，裁判本身也会被循环甩在身后。

4. DepthWorld：帧帧都好看，拼起来不是同一个世界

• 来源：arXiv 2610.08780（Jai Bardhan, Josef Sivic, Vladimir Petrik）
• 链接：https://arxiv.org/abs/2610.08780
• 时间：2026-10-06 提交
• 摘要：当前视频世界模型只用 RGB 训练，生成的 rollout 逐帧看着正确，却拼不成一致的 3D 世界。DepthWorld 同时推进两件事：大规模 3D 监督的标定管线，和一个不破坏预训练视频先验、又能吸收 3D 监督的架构。世界模型要用于策略评估、改进和规划，前提是 3D 几何忠实——帧级指标骗过整体指标，是接口丢结构的世界模型版。
• 关联：与 WAM 品类周（攻/压/验/审四连发）同向：世界模型当模拟器用，「像不像」和「对不对」是两本账。Josef Sivic 系出品。

5. RIWANav：世界模型自己也要进循环

• 来源：arXiv 2610.08640
• 链接：https://arxiv.org/abs/2610.08640
• 时间：2026-10-06 提交
• 摘要：长程城市导航里，模仿学习很少从失败中学习，物理试错又太贵——动作条件世界模型能提供想象反馈，但冻结的世界模型会随策略演化而失配。RIWANav 把世界模型与动作模型的耦合适应，定义为任务特定的递归自改进。RL 试错发生在想象里，真机只负责结算。
• 关联：WAM × RSI 交叉点。与 VeriFine 同日出现，两篇从不同角度说同一件事：循环里的评估器不能是静态的。与 Dream-RSI 的历史发现树重放互为镜像——一个保存执行历史，一个共同演化预测器。

6. PhoneBot：智能手机就是机器人的眼睛和脑子

• 来源：arXiv 2610.08737（UCLA，Dennis Hong 系）
• 链接：https://arxiv.org/abs/2610.08737
• 时间：2026-10-06 提交
• 摘要：教育与研究用人形机器人的门槛卡在硬件成本、传感系统和算力上。PhoneBot 直接把商品智能手机复用为机器人的主传感计算单元——IMU、相机、无线通信、板载算力一个不缺，配 13 自由度低成本模块化下身，全开源。感知、计算、通信三件事一部手机全包。
• 关联：部署坍缩光谱的硬件极新样本——不去压模型，去压 BOM：现成件复用把「传感器+算力+通信」三笔预算合成一笔手机钱。BALLU 一系（Dennis Hong 实验室）的极简路线延续。

7. MIM-VLA：夹爪电机电流也是一种模态

• 来源：arXiv 2610.08425
• 链接：https://arxiv.org/abs/2610.08425
• 时间：2026-10-06 提交
• 摘要：VLA 策略从视觉和机器人状态推断抓取，但不显式表示接触之后的物理响应。MIM-VLA 把夹爪的电流、位置、速度、信号有效性编码成 128 维「交互 token」，用人工审核的接触阶段标签预训练一个 Motor Interaction Module，然后只条件 SmolVLA 的夹爪动作通路——手臂动作和位置控制接口原样不动。
• 关联：接口窄化的教科书案例：新模态的影响域被圈死在一小块通路上，判断归模型、计算结构归代码。触觉的第一课不是「摸到了什么」，是「电机费了多少劲」。

8. EgoLAP：人类第一视角数据，语言当翻译官

• 来源：arXiv 2610.08726
• 链接：https://arxiv.org/abs/2610.08726
• 时间：2026-10-06 提交
• 摘要：egocentric 人类数据是机器人示教之外的低成本数据源，但 embodiment gap 让原始人类轨迹没法直接监督控制。EgoLAP 的关键观察：低层动作是具身特定的，动作意图却能跨人跨机器人迁移——把运动意图表达为结构化、时间抽象的语言动作思维链，人和机器人的轨迹就能在共享语言层上联合预训练 VLA。
• 关联：CometVLA 数据金字塔 egocentric 层的新用法；retargeting 有损接口的语言中介解法——不硬搬关节角，让语言当中间表示。

短讯

• ActTune（arXiv 2610.08444）：VLA 的 GPU 能效调优，把指标从「每次推理能耗」改成「每个成功任务能耗」——失败重试算进电费账，口径本身是诚实度的进步。量化敏感度按动作类别分层。
• Humanoid Horizon（arXiv 2610.08320）：人形全身 loco-manipulation 长程任务，指认两大病：easy-reward bias（训练偏科早期搬运阶段）与灾难性遗忘；解法=并行训练+动态起步+奖励门控。
• Agility SPAC 挂账未到期：投资者日（10-06）已办，S-4 文件 9-29 已更新，股东投票日期尚未宣布——$2.5B 正式定价还在路上，昨日期待的「节后第一个工作日到账」未兑现，继续挂。

编辑观察

一、昨天立的 FLAG 今天收账，收到的是半个账本。时薪没等来—— Agility 的口径是「Digit 每小时 30 美元定价、运营成本 10–12 美元」，烧卖购的口径是「单店 0.2–0.3 人」：同一门「把机器人折成人力」的定价语言，两种方言。同一天同一篇报道里还并排放着两个交易额口径：全店整体「接近翻倍」，宝山滨江单店「25 倍以上」——低基数遇上黄金周客流脉冲，倍数是情绪，回收期才是经济。今天最硬的数字是「上海优质点位投资回收期约半年到一年」：部署态定价第一次有了零售侧的落点。故障率依然缺席，全文唯一关于可靠性的披露是「维修体系是几十家到几千家之间的一道坎」——这句自认比 25 倍更有信息量。假期客流是最便宜的验证带宽，但它产出交易额，不产出可靠性数据；千城万店要真跑起来，维修体系必须先变成数字。可打脸预测：12 个月内具身零售运营商把 MTBF 或故障率写进对外披露口径。

二、论文层今天有个同构信号：改进循环里没有静态裁判。VeriFine 说自改进策略不断暴露新失败模式，固定 judge 会过时；RIWANav 说冻结的世界模型会随策略演化失配。两篇相隔一个提交日，从评估器和世界模型两端说同一件事：自改进循环的每个组件都得跟着长，谁静态谁成瓶颈。这是 RSI 谱系的一个结构性转折——此前论文问「改什么」（权重/数据/策略代码），这周开始问「谁来验证改进」。顺带一条海关拦截：1X 的 25-DoF 腱驱动手是 7 月 9 日的发布，10-07 被二手稿翻出来时自由度还写成了 24——旧闻重启加数字走样，裁判不仅会过时，还会被传播层改数字。多作者生态里，验证带宽的问题在新闻层和论文层是同一个。

（信源：18 路 web_search 有效 13 路 + arXiv API 直抓 40 篇 + 新民晚报/腾讯镜像全文核对；重点论文摘要逐条与 arXiv 原文比对）