🧠 具身大脑

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。

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）。