技术博客

智元（AGIBOT）2026-10-29 创新日发布新一代具身基座模型 GO-3 Preview——截至发文**尚无 arXiv 技术报告**，本文基于 PR Newswire 官方通稿、RAN 行业媒体现场报道、36氪/网易快讯与官方 GO 家族公开资料做全景解读。核心：GO-3 Preview 围绕 **WRAM（World Reasoning Action Model，世界-推理-动作模型）**统一推理、预测与动作，能预判动作后果、适应环境变化、泛化到未学任务序列；演示零/少样本能力；提出 **Physical Intelligence Scaling**（预训练+后训练+部署后持续改进的全链路规模化）——约 **90% 预训练数据来自人本第一视角视频**（HTX/marsbit 技术解读），后训系统 **Genie Evolver** 融合真机、物理仿真与世界模型；桌面冰壶任务数小时练习后胜过普通人类玩家，LEGO 少样本组装、跨本体操作、数百任务开箱。**榜单宣称（活动口径）**：RoboDojo 任务成功率与过程分双第一、RoboTwin 总分第一、RoboColiseum 总分第一。血缘：GO-1（ViLLA，AgiBot World Colosseo，arXiv 2503.06669，1M+轨迹开源）→ GO-2（动作链思维）→ GO-3 Preview（全链路规模化）。开源计划：**2026 年底全面开源 GO-3 Preview 与具身 Agent 框架 Genie Master**（后者宣称首次真机验证 Physical RSI 递归自进化）。同场发布 Worken（Work+Token 生产力度量）、AHA3 硬件平台、AGILE 运动智能、WITA-Omni 交互模型、G2 Max、Link-U OS 1.0。收录现场图 8 张 + GO-3 便利店任务演示 GIF（50 帧）+ GO-1 血缘 teaser，逐图讲解。

UC Berkeley《SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model》（arXiv 2610.28480，CoRL 2026 Oral，Qiayuan Liao / Yiyang Shao / Junfeng Long…Pieter Abbeel、Koushil Sreenath）精读：与 [具身 RL 调研](/posts/paper-reading/具身智能强化学习调研精读/)里的 SONIC 同赛道（大规模动捕跟踪），但把「模型免费 PPO 碾算力」换成「一个可微世界模型摊销全部动作」。核心洞察：千差万别的动作共享同一套人形混合刚体动力学——用一个从仿真日志拟合的可微世界模型学这份共享结构，短视野想象 rollout + 穿模反传（BPTT）给策略解析梯度；世界模型比 MuJoCo Warp 批量快 10×+，8 步预测误差在 1→264 小时数据上保持稳定。结果：1×H100 3 小时超过 SONIC 发布 checkpoint 的 0.90 归一化回报（>50× 墙钟、>1000× GPU 时：3 vs 21k）；129,514 条基准动作失败 25 条 vs SONIC 179 条（含其全部翻转与侧滚），双卡 9.8 小时清零；真机 Unitree G1 全动作库零逐动作调参；速度编码器下游接口 RL 训练胜过蒸馏基线。官网 supermimic.github.io 给出完整算力账本与 FAQ。GitHub 侧（重点讲解）：官方代码确认未放出，但论文 10-20 投稿、次日即现复现潮——事实标准 `supermimic_vibed`（706★，ETH 非官方、自述 1 小时 vibe-code、Isaac Lab 3+MuJoCo-Warp、LAFAN1 单卡 1.47h 达 0.829/0 失败）领跑，另有 awesome-supermimic 目录（312★）、Motphys/Uni-SuperMimic（195★，UniLab 三后端，LAFAN1 0.827、BONES-SEED 12.9 万条 0.9243/失败 0.27%）、CuboiLeo/SuperMimic-Reproduced（308★，论文逐条转录+5090 1.66h 复现 0.82）与向灵巧手/四足/机械臂外溢的改造潮。逐图讲解全部 9 张插图（论文 7 + 官网 2）。

斯坦福+清华《Ctrl-World: A Controllable Generative World Model for Robot Manipulation》（arXiv 2510.10125，ICLR 2026，Chelsea Finn 组，Yanjiang Guo / Lucy Xiaoyang Shi 共同一作）精读，含官方 GitHub 全解：核心命题——VLA 的评测与改进太贵（真机 rollout + 专家标注），改到「想象空间」里做 policy-in-the-loop。三个支撑件：①联合多视角预测（含腕部相机，治好单视角幻觉与「手腕视野剧变」不一致）②帧级动作条件（厘米级动作控制，1 秒动作块逐帧注入）③位姿条件记忆检索（20 秒+ 长程连贯）。从 SVD 视频扩散模型初始化，DROID 95k 轨迹/564 场景训练。两大用途实测：A) **想象中排名=真机排名**——π0/π0-fast/π0.5 在 7 任务上真机 vs 世界模型指令跟随相关 y=0.87x−0.04、成功率 y=0.81x−0.11；B) **合成成功轨迹做 SFT，策略成功率平均 +44.7%**（Spatial 0.29→0.88、Shape 0.44→0.93、平均 0.39→0.83）。官方仓库 Robert-gyj/Ctrl-World（575★，MIT，含 VLAW 后训练管线）四条跑法逐命令讲解：DROID 回放、键盘交互、π0.5 策略进环（零样本到新场景）、论文评测协议；训练/后训脚本与 ckpt 清单全解。深度原理全覆盖：问题形式化两方程、SVD 底座训练目标与超参（3层MLP动作投影、token 账本 B×12×2880、100k步2×8H100）、三改造机制、关节速度→笛卡尔位姿的 2 层 MLP 适配器桥、Table1/2 质量与消融数字、Algorithm 1 逐行（400 条 rollout 留 25–50 条、2k 步微调、38.7%→83.4%）、四条创新点与「三宗罪」靶子、DROID 数据集专节（95,599 轨迹/76k 成功+19k 失败/564 场景与失败数据为何是资产）、六组实验总目录 E1–E6 与附录逐任务对照表节选。9 张论文插图逐图讲解 + GitHub 演示媒体（README 横幅、2 个真机 vs 世界模型长程 GIF、2 组三视角合成轨迹 mp4）全部贴进博客。

一篇调研讲清「具身智能的强化学习」：先小白开篇（奖励从哪来、为什么难：重置/稀疏/sim2real/大模型不稳），再给四条战线全景地图——①底层运动控制 RL：SONIC（Science Robotics 2026，arXiv 2511.07820）把「运动跟踪」当可扩展 RL 任务，PPO+密集跟踪奖励、零手工奖励工程，1.2M→42M 参数、1 亿+帧/700 小时动捕、2.1 万 GPU 时、最多 128 GPU，统一 token 空间接 VR 遥操作与 GR00T VLA；②VLA 的 RL 后训练谱系：iRe-VLA（RL+SFT 迭代稳训练）、VLA-RL（过程奖励模型，LIBERO 81.0% vs SFT 76.5%）、RLDG（RL 产数据蒸馏通才）、ConRFT（离线+在线一致性策略）、RLVLA 实证（PPO/GRPO/DPO）、π*0.6 Recap（RL Token 蒸馏进通才）、BORA（离线→在线残差）、FIND（真机自主练习：π0.5+残差离线 RL，8 任务 55%→71.9%）；③工程框架：FluxVLA Engine（arXiv 2609.17210）标准化 reward/advantage-weighted 学习、可选 RLinf 在线 RL、FSDP 分布式、LIBERO/RoboCasa/RoboTwin/RoboDojo 评测与 RTC 推理加速；④仿真 RL 底座（Isaac Lab/ManiSkill PPO-SAC，见 Benchmark 篇）。11 张论文插图逐张讲解，附方法对比总表与选型 Q&A。

OpenWAM（NUS/清华/北大/港大等，arXiv 2609.07398，openwam-official.github.io）精读——注意与站内已写的斯坦福 OPENWAM（2610.07922）是两篇不同论文！本篇范式一句话：把「世界-动作模型（WAM）怎么设计」从一坨耦合实现变成受控实验程序。三层栈：①OpenWAM-Infra——4 视觉编码器×5 视频骨干×6 架构变体×4 注意力掩码的可组合模块，一个训练器/一个 WebSocket 策略服务器/一套仿真+真机评测协议，80 维统一动作空间（2×34 维臂块+24 维灵巧手+12 预留）；②OpenWAM-Study——六问（Q1 架构/Q2 骨干/Q3 视觉表示/Q4 视频-动作交互/Q5 预训练配方/Q6 去噪策略）受控实验，三结论：足够强的生成骨干+紧凑信息密潜空间继承上游知识、显式世界→动作信息流+同步联合去噪才是协同、具身预训练主要涨 OOD（人本第一视角×机器人单阶段共训最优、互见掩码胜出）；③OpenWAM-α——按配方落地：Wan2.2-TI2V-5B + ActionDiT 双系统、30 成对层联合自注意力、互见掩码、冻结 VAE/umT5，518.5M 帧（6,369h，70% 机器人/30% 人本）。成绩：八基准九榜——LIBERO 99.3、RoboTwin2.0-Full 93.60、Clean2Random 69.0、LIBERO-Plus 69.2（该榜 Qwen-RobotManip 89.0 更高，诚实记上）、EBench 49.4、RoboCasa-GR1 60.5、VLABench 58.9、RoboCasa365 38.2、RoboDojo 11.92；真机单臂 82.5%、双臂 RoboDojo 37.6/24.4、灵巧手 90.0。逐图讲解全部 14 张插图（官网 overview/architecture 原图 + 论文 PDF 裁剪）。

一篇打包精读 19 个最常用具身仿真/Benchmark/评测基础设施：Meta-World（50 任务多任务与元 RL）、RLBench（100 任务+无限演示）、CALVIN（四房间 34 任务五步语言链）、RoboCasa（厨房 100+75 任务/2509 物体）、SimplerEnv/SIMPLER（真机策略的 real-to-sim 评测：视觉匹配 vs 变体聚合，MMRV/Pearson 相关）、BEHAVIOR-1K（1000 日常活动+OmniGibson）、VLABench（100 任务 60 原子+40 复合、2000+ 物体、四视角观测）、ManiSkill3（GPU 并行 3 万 FPS、16+ 机器人、real2sim 数字孪生）、RoboTwin 2.0（50 双臂任务+MLLM 代码生成+11k 纹理域随机化）、RoboCasa365（365 任务/2500 厨房场景/2200+ 小时数据/GR00T 预训练）、MagicSim（15 仿真家族确定性批式基础设施）、XPolicyLab（统一策略接口一次接入多榜）、HumanCLAW-Bench（1218 个人形全身寻找-导航-交互 episode，9 个前沿 VLM 最好仅 16.8%）、RoboCurve（真机独立评测：Inspect Robots 框架+RoboDojo-RC 榜）。每个 benchmark 独立成章：定位、任务清单、仿真还是真机、评测协议与指标、插图逐张讲解、生态位；文末附总对比表与 RoboDojo 关系图谱。第二辑按 OpenWAM（2609.07398）评测栈补充五章：LIBERO、LIBERO-Plus、RoboCasa-GR1、EBench、RoboDojo，并为 RoboTwin2.0 注记 Full/Clean2Random 双轨、为 VLABench 与 RoboCasa365 补 OpenWAM 成绩。全部 55 张插图本地收录。

RoboDojo（AI MMLab Club，arXiv 2607.04434 v3）精读：统一仿真与真机的通才操纵策略评测基准——仿真侧 42 任务覆盖泛化/记忆/长程/精密/开放指令五大维度（Isaac Sim 异构并行，2100 episodes），真机侧 18 任务 × 3 本体（ARX X5 / Piper / Piper X），标准化硬件与场景重置的 RoboDojo-RealEval 支持云端远程评测；XPolicyLab 统一策略接口一次接入、仿真真机两处可测。论文 2026-07-03 快照评测 30 个策略：最佳 Hy-Embodied-0.5-VLA 平均 13.07 分 / 8.80% SR，人类专家 80.42 / 76.03%——差距悬殊；真机侧 π0.5 最佳 22.9 / 12.8%，人类 100%。四大发现：随机化导致大崩溃（Hy-Embodied 标准 21.98 → 随机 1.57，-92.9%）、长程只是部分进步、精密卡在接触感知与偏轨纠偏、真机暴露执行不稳定。榜单由非营利基金会运营、无商业参与，含隐藏布局防刷榜与远程私有开发协议。逐张讲解全部 10 张插图（含双栏资产库/并行仿真子图）。

GR00T N1.7 技术报告（arXiv 2609.18108，CC BY 4.0）精读：把英伟达 GR00T N1.7 的迭代流匹配 DiT 动作头替换为「一步漂移动作头」（继承 IDP 目标：几何加权势能 + 零动作种子单次前向吐完整 H=40 动作块），并实现 DrifOv 重叠条件后缀生成（已承诺前缀逐坐标原样拷贝、只生成未知后缀，供异步换块用）。实测（LIBERO / LeRobot 栈、2×A800、20k 步、种子 1/42/1000）：动作头 45.3→5.0ms（约 9×），backbone+头 70.0→30.6ms（2.2–2.4×），GPU 训练显存观测 45.7→17.8 GiB；但成功率系统性下滑——Spatial 64.0±4.0% vs GR00T 82.3±6.8%、Goal 52.0±1.0% vs 82.3±4.0%、Long 26.0±2.6% vs 74.5±10.6%，三种子方差极小 = 退化是系统性的。报告给出四个候选解释（确定性一步的模式平均、minibatch 几何估计、H=40 开环执行、同步评测没测到异步重叠路径）并明确「不宣称整体改进，只报速度-成功率权衡」。含英伟达官方 GR00T N1.7 背景（3B、Cosmos-Reason2/Qwen3-VL、Apache 2.0）。逐张讲解全部 6 张插图。

北京大学 + 北京智源人工智能研究院等《RoboOS-NeXT》（arXiv 2510.26536）精读，含小白开篇：先用 5 分钟讲清「什么是具身机器人大脑系统」（VLA 是小脑，大脑负责拆任务/调度/记忆/验证，记忆就是团队共享白板），再进论文。核心是 Spatio-Temporal–Embodiment Memory（STEM）——把空间场景几何、时间事件史、本体档案揉成一份所有机器人共享的统一记忆；其上是「大脑（高层规划，检索/更新 STEM）-小脑（低层技能库+工具调用，低延迟执行）-记忆」闭环。工作流四阶段：全局任务分解 → 拓扑式子任务分配 → 分布式子任务 Agent → 动态记忆更新。评测三场景（餐厅/超市/家庭）×难度 L1–L3 ×序列长 SQ1/3/5，指标 MSR/AEST/SR/SS：无记忆基线在 SQ=5 时崩盘（餐厅 L2 0% vs 本文 75%），本文 AEST 普降 20–70%、L3 仍 MSR +63.5%（超市）/+58.3%（家庭）；同构 3/5 轮机器人编队 AEST 再降 58%/76%；失败分析显示 45.3% 错误来自工具调用。逐张讲解全部 4 张插图（含真机餐厅/家庭/超市演示）。

高德地图 CV Lab（阿里）《ABot-AgentOS》（arXiv 2607.10350 v3）精读，含小白开篇：先 5 分钟讲清「具身机器人大脑系统」是什么（VLA=小脑，大脑=听懂话/拆任务/调度/记忆/验证；OS 类比：技能=进程、记忆=内存、工具=文件系统），再进论文。系统五件套：①边云双 LLM（端侧 Tiny 模型管每回合，按需升级云端大模型）②Agent Harness——场景条件规划 + Skill Runner 程序化执行 + 三阶段验证（运行中/技能级/收尾）+ 感知推理循环 ③Universal Multi-modal Graph Memory——把对话/视觉观测/空间/时间/任务轨迹变成带类型节点边的持久图 ④失败驱动终身自进化——失败→诊断→带门控的 evo-assets 只准用于后续 split（防当前题泄漏）⑤可部署学生策略训练（文本环境+教师轨迹蒸馏 SFT + LLM-as-Judge 在线 RL + GiGPO 优势）。自带基准 EmbodiedWorldBench：16 场景（室内/室外/混合）× 4 难度 × 200+ 任务，指标 TSR/GCR，UnrealZoo NavMesh 执行。结果：同模型下架构使 TSR 49.97%→61.96%、GCR 57.95%→68.79%（+11.99/+10.84），换 DeepSeek-V4-Pro 再到 68.18%/74.62%；记忆基准 LoCoMo 87.5→88.7、OpenEQA 59.9→60.4、Mem-Gallery 88.6→89.0、NExT-QA Acc@All 76.5。逐张讲解全部 8 张插图。

斯坦福《OPENWAM: An Open Framework for Composable World-Action Models》（arXiv 2610.07922，Li Fei-Fei / Jiajun Wu / Ehsan Adeli 团队）精读：现有 WAM 系统同时更换视频底座、交互结构、监督信号与推理流程，导致「视频-动作交互设计」无法被单独比较。OPENWAM 固定一个共同底座——从 Wan2.2-5B 出发，在约 1.46 万小时机器人/人-物交互视频上做「块因果」预训练（32×B200 训 14 天、不用动作标签），再用共享 Mixture-of-Transformers 接入 2B 动作专家，同一架构支持 Joint / VTA / ATV / Decoupled 四种生成模式：VTA 在 LIBERO 四套件平均 98.6%，原始 Wan2.2 初始化只有 68.4%（+29.4 分）；双臂真机三任务平均 92.1%。第二条主线是「局部上下文动力学」：逆动力学（IDM）与前向动力学（FDM）只看当前观察+本体感觉+给定轨迹、不看语言与历史，并在仿真里从同一起始状态分叉执行替代动作序列造出 3.2 万条反事实数据（LIBERO-Long-CF，监督量 29.7×）——冻结的局部 IDM 配合「只调过视频预测器」的新任务，四个 LIBERO-90 迁移目标平均 84.0%，对比全上下文 47.0% 与纯演示 21.5%；FDM 的 16 选 1 结果识别率从 21.1% 升到 71.3%。附录还给出与 UVA 的统一对比和单 checkpoint 多目标训练（92.8%）。逐图讲解全部 5 张图。

EmbodiedEvo（Navers Lab / Einsia.AI / 清华，arXiv 2610.18867）精读：不是训练 VLA，而是让 coding agent（Astra/Sol/Luna）在单个 Playground 场景里边跑代码边沉淀可复用的 Skills（控制过程）与 Lessons（失败模式/恢复经验），把 harness 冻结后交给全新 Test agent，在未见过的布局上直接用。RoboDojo-Sim：平均 44.48 分 / 37.82% 成功率，超越当时全部官方已验证结果；Memory 类任务 71.90/69.67%（下一名 VPP2 仅 55.56% SR）。Astra 的经验还能迁给更弱的 Sol/Luna（+8.86 / +5.50 pp）。Skills/Lessons 相比原始交互历史，同等性能下 Test 阶段执行成本低 53%。逐张讲解全部 15 张插图，覆盖总览、方法框架、失败轨迹、能力演化、经验迁移与代码示例。

WorldScape Policy 2.0（Manifold AI + 清华 + 上交，arXiv 2607.18840）精读：可操控 WAM，核心是「推理增强的长短期记忆」——因果短期视觉记忆把最近观测作为 DiT prefill 保住局部动力学；长短期事件记忆把历史 VLM 输出组织成 global-history / local-active / event-boundary，按进度检索并门控进当前推理；semantic forcing 把事件级指令语义灌进隐式规划路径。预训练数据 ManipEvent-5M 近 500 万事件段，对齐动作轨迹、整段指令、子任务字幕、目标图像与视频演示。RoboTwin 2.0 干净+随机平均 94.3%（比 π0.5 高 14.5 pp），C2R 60.1%；真机双臂 PiPER：折叠 75%、桌面清理 80%、shell game 75%、示范条件积木 60–70%。RoboDojo 榜单上 WorldScape-R2SI 39.35% SR / 46.6 progress，Memory/Open 分类是学习型最强（63.7% / 47.5%）。逐张讲解全部 11 张插图。

清华 & NVIDIA《PrismWAM: Decoupling State Representations in World Action Models》精读：WAM 都拿视频模型的 latent 当「世界状态」，可视频 latent 把「桌子什么颜色」（语义，动作改不动）和「物体在哪儿」（物理状态，动作唯一能改变的东西）搅在一起。PrismWAM 把任务拆成 语义规划 → 物理推演 → 可执行动作：RGB 流只远观一张目标图当训练期老师，深度流管细粒度状态演化，动作塔只看深度 rollout。不用任何具身动作预训练，仅 2,300 小时深度数据，RoboTwin-C2R 均值 70.57%（15B 的 PrismWAM* 达 83.67%），RoboDojo 得分 36.23 超过 OpenWAM-α 与 10 万小时级的 Xiaomi-Robotics-1。本文逐张讲解全部 6 张图并附完整结果表。

AgiBot & NVIDIA & Princeton《WorldOracle》精读：世界模型把未来画得很像 ≠ 世界真的会那样发生。WorldOracle 把成对的「真实执行」拿出来当标准答案——同一个初始观测 + 同一条低层动作序列，让 ACWM 开环重放，再问四个问题：物理状态对不对（会不会幻觉抓取成功）、机械臂和物体有没有跟着真实轨迹走、交互区域的画面糊不糊、多视角之间是否一致。335 条多段长轨迹（评测集中约 40% 的交互段是失败执行，专考「动作错了你会不会照错演化」）、3 种本体（AgiBot G2 / YAM / 人手，人手零样本）、7 个代表模型：GE-Sim 2.0 独一档（AgiBot 30s 综合 73.86），但长轨迹全都会跌（DreamDojo 50.56→27.08）。文章逐张讲解全部 21 张图。

HKUST-GZ & OLA Dimensions《UniWAM》精读：VLA 有语义/推理但没有动力学，WAM 有动力学但 OOD 时不会思考。UniWAM 用 Mixture-of-Transformers 把三个专家拼进一个模型——物理推理器（Qwen3-VL-2B）、世界生成器（Wan2.2-TI2V-5B）、动作预测器——并给每个专家配「对的监督」：低层动作被翻译成自然语言物理描述（move forward 3 cm / tilt left 10 degrees）喂给 VLM，VQA 数据保住语言能力，10,013 小时人+机数据共同预训练。换来的是：LIBERO 99.2%、RoboTwin C2R 68.32%（C2C→C2R 只掉 6.82 个点）、LIBERO-Plus 92.6%、真机指令跟随 IFR 82.5%（超 π0.5 21.9 个点），外加一条 log-linear 的人机共训 scaling law（R²≈0.983）。逐张讲解全部 11 张图。

清华 & Dexmal & Loopeva《LoopWAM》精读：真机部署的数据是「成功 + 次优 + 失败」的混合体——全模仿会吸收坏习惯、只留成功又会丢掉「物理交互及其后果」的信息。LoopWAM 的答案是单一 WAM 直接吃全质量谱：source-dependent 噪声采样（专家数据主要负责「视频重建」、rollout 数据主要负责「action-conditioned 世界模型」）+ quality steering（把质量分数写进指令后缀，推理时条件在专家分 q*）+ quality-weighted action 监督（失败动作不给动作损失、但视频损失全保留）。真机 RoboChallenge Table30-V2 三轮闭环把成功率 23.67%→43.33%（+19.7 pp、总分 56.80 排榜一）；RoboTwin 2.0 平均 94.5%、RoboCasa365 总体 49.5%，三个 benchmark 全部同组第一；衬衫折叠单任务后训练两轮再从 13.2% 提到 55.6%。逐张讲解全部 14 张图。

HexaFuture《HexaShell》精读：给编程 Agent（Codex + GPT-6-Astra）一条命令行 robo 和三个 RGB 相机，不训练、不看演示——失败之后由第二个 Agent 读完整 episode 日志（每条命令、每帧图像）做 diagnosis，改测量/执行小工具并跑单元测试，下一轮同一布局重试；学到的经验以「工具代码」的形式留下。测 3D 用的是三角测量（两视角交会 + 已知平面），不用深度网络（Depth Anything V2 在腕相机上误差 ~100 mm，而抓取需要 ~1 cm）。RoboDojo 官方隐藏种子、42 任务、每任务 50 episodes：46.9% 成功率 / 53.2 progress 分，官方榜第一（超 WorldScape-R2SI 的 39.4%、VPP2 的 32.3%）；杂乱布局保留 82% 成功率（学习型 policy 中位数只 20%）；工具还能以几乎零改动迁移到真机（2× PiPER X）。边界也很清晰：memory 81.0% vs 精密插入只有 32.0%——卡脖子的是接触，不是推理。逐张讲解全部 14 张图。

X Square Robot《X2Real Technical Report》精读：针对现有仿真基准的三大缺陷（sim2real 有差距、任务分布太窄、训练评测不分家导致刷榜），提出三条原则——faithfulness / diversity / fairness。做法：把仿真视觉与物理按真机逐项校准（StablePD + CMA-ES 标定控制增益，末端轨迹毫米级对齐），让只用真机数据训练的模型在仿真里测出的成绩与真机成绩达到 0.84 线性相关（纯通用任务上 0.96/0.99）；任务覆盖 10 个能力维度、44 个层级化长程任务（38 桌面 + 3 移动 + 3 挑战），每个任务表示成可执行的 Task DAG——成功判定、帧级子任务标注、10 分制 progress 打分、失败归因全由同一张图驱动；三轴正交域随机化 + 严格训练/评测分离防作弊；底层是 YAML 物理 DSL 驱动的 Mana 仿真生态（agent 可闭环改任务、造数据），附带约 300 小时带帧级标注的仿真轨迹数据集。用这套考场评了 4 个通用 policy：最强者 ID 53.9% → OOD 34.3%；GPT-6-Astra 当 policy 拿 36.15% 但推理一次要 30 秒以上；12 层堆塔实验证明自动合成数据比遥操作数据更好训（3.75 vs 1.90 层）。逐张讲解全部 24 张图。

Northeastern/UGA/EmbodyX《Flash-WAM: Modality-Aware Distillation for World Action Models》精读：WAM 每块要跑几十步去噪，实时控制无从谈起；而现成的步蒸馏方法一用到「视频+动作」联合模型上就崩。原因是一致性函数的梯度随噪声 σ 二次消失，而动作恰好要在低噪声段精修。Flash-WAM 给动作流换成线性梯度的一致性函数、视频流保留标准函数，在 LingBot-VA 上把 8.1 秒压到 347 毫秒（23×）仍保住 81.4% 成功率，并迁移到 Motus 与真机 Unitree G1。本文逐张讲解全部 4 张图，明确标注 RoboTwin 与 LIBERO 为仿真、G1 为真机，给出教师微调/蒸馏的完整训练配置与数据来源。