截止：2026-10-10 17:27:33 +08:00（Asia/Shanghai）。主要窗口：2026-07-13 00:00:00 至截止时刻，包含 90 个当地日期。获取日期为 2026-10-10；逐次获取时间、原始 URL 与响应指纹见 获取记录。本记录保存结论依据，读者入口见 技术基线。
检索范围与时间规则
沿 T01 的四条主线读取论文方法、评测、限制和对应开放产物，未重做全部来源审核。针对近期变化，实际检查 RLinf/WALL/SONIC 的 arXiv 版本历史及前后版本、DeepMind RSS（100 条）、Isaac Lab（10 条）、LeRobot（10 条）、MuJoCo Playground（6 条）、RoboCasa（2 条）的 release Atom，并回读选中正文。另读 Galaxea G0.5、Cosmos 3 Edge，以及 GR00T 的代码、release 和权重卡。
补充执行 arXiv 按更新时间倒序检索：vision language action reinforcement、world model robot。获取各首屏 50 项返回结果，筛读各前 12 项题名与日期，不翻页，不视为行业穷尽检索。发现的 DreamTrue、Many Ways to Succeed 等仅列增量候选，未核查方法与实验，不用于本基线结论。对照材料以能回答指标、迁移及接口问题为准，不按论文数量取样。
论文日期来自 abs 的 Submission history；固定正文链接含版本。GitHub Atom updated、release 的发布时间、commit 作者时间分别对待。获取时间晚于截止时刻的读取，只使用截止前已发布的论文/tag、可定位的模型快照；无逐版存档的滚动网页仍有还原限制，不凭其当前措辞推断发布日或窗口内新增能力。GitHub commit API 限流后改读固定 raw/发布页；commit 指纹不等于功能发布事件。未核查到新增发布不等于没有研究进展。
1 学习路线与后训练
a1-rlinf
训练效率、成功率与人工监督
原始依据：RLinf-VLA v3 §IV、§V-A/B/D、§IX；版本历史。首发 2025-10-08，v2 2026-02-07，v3 2026-08-12。对照 v2，v3 增加 §V-D 真机关抽屉实验，并扩展模型/算法实验与基准说明；不把首次提出框架改写为 8 月事件。
- §V-A 的成功率属于指定仿真协议：LIBERO 是一个模型联合训练 130 任务，按任务 50 episodes、3 seeds；RoboTwin 是六个任务各自模型、1,000 训练场景种子与 128 未见评测种子。不能与不同数据划分或每组单独训练的榜单直接排名。
- §V-B / §IX-B 的训练吞吐定义为 rollout 环境帧数除以一个训练 epoch 的墙钟时间，比较硬件规模和分配方式；最高 2.27× 是相对既有训练框架的加速，不是机器人成功率或动作频率。
- §V-D：20 条真机示范 + 1,000 条仿真轨迹得到 SFT 基线，再做仿真 RL；相机位姿、机械臂配置对齐。关抽屉两组均 8/10 成功，作者观察到 RL 动作更直接、更流畅。 没有据此证明成功率提升，也没有量化总人工成本下降。小样本、单任务不能推广到通用迁移。
USER 对照：v4 §III–V、Table II–V、附录 A/C/D；历史：首发 2026-02-08，v3 02-12，v4 08-31。v3 已含持久 buffer、异步架构和相同的 VLA 成功计数；v4 重组系统论述，补相关系统比较，并明确 VLA 为全参数训练。不将 39/60→58/60 当作 8 月新获得的能力。
Franka 五类主实验中，CNN/flow 用本地 RTX 4090 24GB，π0 用 4×A100 80GB。CNN 的 SAC/RLPD/SAC-Flow 与 π0 的 HG-DAgger 在线模仿学习必须分开：Table III 抓放 39/60→58/60、桌面清理 9/20→16/20，是 SFT 后加入人工纠正的结果，不是无人工 RL。Fig.10 的训练 episode 由操作者介入保证成功；奖励有规则、人工二值标签和学习分类器。§V-E 的训练吞吐提升来自流水重叠，频繁权重同步还可能损害收敛。报告没有统一核算示范、监督、重置和失败处理的总人工成本。
开放依据：RLinf 固定 README（commit 作者时间 2026-10-08），提供训练/机器人接口入口；源码可读不等于论文所有配置已复现。目标：K01.03、K03.01.01、K02.07、K09.01、K06.02。
a2-recap
从真实经验改进的背景依据
RECAP v2 §IV–VII；历史：首发 2025-11-18，v2 11-19，窗口外背景。方法以价值函数和 advantage conditioning 利用示范、自主轨迹与人工纠正，按批次收集后离线更新，不是实时全自主在线 RL。
§VI 的吞吐是每小时成功完成的任务数，同时包含成功与速度，不能与 RLinf 的训练帧吞吐比较。定量任务为叠衣服、双份 espresso 和装箱的特定变体；例如 espresso 要在 200 秒内完成全部步骤且无关键错误，多样衣物的定量测试选衬衫。§VII 明确仍需人工奖励标注、介入和 episode 重置。作者的 13 小时咖啡运行陈述不等于 13 小时免人工运维证据。
openpi 固定 README 支持表为 π0、FAST、π0.5；本次未确认 RECAP 完整训练配方与对应权重在该入口开放。该 README 的发布/修改时间未确定，仅作获取时开放清单；PI 最新博客未重试，T01 的访问缺口仍保留。目标：K03.01.01、K02.07。
a3-interfaces
分层与统一动作流
Gemini Robotics 2 官方说明 的模型介绍、agentic reasoning、on-device、limitations 段：ER 处理多步任务与进展，VLA 输出动作，On-Device 是端侧型号。官方声明 ER 2 可经 AI Studio / 指定平台预览访问，VLA 与 On-Device 面向 early-access partners；不能写成全系列开放权重。多指精细操作和速度仍有局限，页面没有足够逐任务样本/协议供独立比较。
日期冲突保留：文章结构化元数据 datePublished=2026-07-30T16:00:00Z、dateModified=2026-08-25T09:18:43Z，官方 RSS 同 URL 的 pubDate=2026-07-28T13:21:37Z。采用页面 07-30 作为文章标示发布日，不能将 feed 日期、8 月页面修订认定为另一模型发布；无旧网页版本，未确认 8 月修改具体内容。
国内路线对照：G0.5 v1 §3、§5.3/5.6/5.7、§6；历史首发 2026-08-12。Qwen3.5 2B 初始化，统一自回归 token 流生成推理与 ActionCodec 动作，另有可选 flow head。§5.7 仅在筛选的四个 LIBERO 任务、每任务一条示范起点下比较 GRPO，不能推成 AR 普遍优于 flow。§5.6 长任务 CoT probe 运行时提供分阶段子目标；§5.3 BEHAVIOR Task Success Score 计目标谓词完成比例，不等于二值完整成功。§6 承认抽屉/半透明柜体弱项和仅数秒记忆。
Galaxea 官方仓库 News/License 在获取时可读代码、模型入口，当前材料为 G0.5 社区许可，非商业用途与另行商业许可分开；2 月 G0Tiny/Orin 的 10 Hz 不是 G0.5 性能。README 首发/修改未知，不据滚动页断言窗口内新增开放。目标：K01.03、K01.06、K03.04。
2 世界模型、仿真与数据
b1-wall
生成质量、任务进展、完整成功分开
WALL-WM v2 §3–5、§7、§8、§9.5、Tables 4–7；历史：首发 2026-06-01，v2 09-06。对照 v1：v2 明确真机 Task Progress 定义/评分 rubric，并增加 §9.5 的 RoboTwin 零样本二值成功评测；核心事件级建模路线不是 9 月首次提出。
- 事件级视频/动作联合预训练，用事件文本连接上层推理与动作；视频 tower 的预测指标、真实动作收益分别评估。§7.1 视频测试含 200 个 ID 与 50 个 OOD 任务，不能换算为真机成功。
- §7.2 是作者自研桌面双臂平台，同步多相机、指定指令和场景；Task Progress 为按任务步骤给予部分分的 0–100 分。Table 4 的 reasoning manipulation 32.6→71.6 是进展分提高 39.0 分，绝非成功率提高 39 个百分点。完整成功率、真机每项试次数、评分者一致性及长期恢复成本未获得足够披露。
- 新增 §9.5 / Table 5：RoboTwin 50 任务×10 次，76/500 完整成功，即 15.2%；这是仿真、未做任务专用微调的结果。26/50 任务至少成功一次，也不是 52% episode 成功率。
- Table 4 的 event 与 base 同时涉及事件执行及 VI-SA 等变化，不能将全部差值归因于单一“世界模型”因素。§8 将高效代理评测列为探索方向，未证明生成指标可普遍替代真机结果。
固定 wall-x README 与 Wall-OSS-0.5 卡片是可读代码/权重入口；其发布日期未确认。Wall-OSS-0.5 不等于 WALL-WM v2 的完整复现包，未核实后者相应权重/训练数据是否成套开放。目标：K01.05、K01.05.01、K02.03.01、K09.01、MODEL-WALL。
b2-transfer
合成数据的真机收益有条件，也有反例
RoboTwin 2.0 v2 §2、§4.4 / Table 4；历史：首发 2025-06-22，v2 2025-08-27，窗口外背景。脚本生成可执行轨迹、域随机化、抓取适配，与单纯视频生成不同。
RDT 策略、COBOT-Magic 双臂、四任务、已见/未见背景及有/无杂物四配置，对照 10 条干净真机示范、其加 1,000 条随机化合成轨迹、仅合成三种训练方式；相机位置扰动上限 1 cm。未见背景且有杂物时，混合数据的四任务平均成功率 9%→42%，增加 33 个百分点；不能写成相对提升 33%。但已见干净背景 Click Bell 36%→24%，已见杂乱背景 Handover Block 16%→12%，收益非逐项必然。论文 §4.4 未明确每个真机表格单元的试次数，本记录不从百分比反推样本量。不能推广为柔性/精密接触已解决或行业统一仿真数据配比。
RoboCasa 固定 README News：2026-05-12 全任务 horizon 增长 1.5×；07-07 composite 数据增加逐帧 subtask annotations，两者均在本窗口之前。commit 作者时间 09-24 不是这两项功能的发布日期。读取 release feed 未确认窗口内新 tag；不能拿较长 horizon 的成功率与旧协议直接排名，追加标注也不等于新增真机数据。
目标：K02.03.01、K02.07、K02.08、K04.05、K09.03.01。
b3-world-tools
世界先验与交互训练不是同一种证据
Genie 3 官方说明正文、SIMA 与 Limitations：发布 2025-08-05、页面修改 2026-07-06，均为窗口外背景。24 fps、720p、数分钟一致性是交互视频能力；SIMA 在生成环境中导航不证明机器人关节动作、接触动力学或真机迁移。动作空间、多主体和交互时长受限。
Cosmos 3 Edge 技术文章正文的后训练、部署、RoboLab 评测段（不采用文首 AI 摘要）：发布 2026-08-19，修改 08-20。4B 模型用 Cosmos3-DROID 后训练；RoboLab 120 任务的 22.9% 成功属于仿真闭环。Jetson AGX Thor T5000 的 chunk 生成约 1.53 秒、覆盖约 2.13 秒运动，支持连续执行，不代表每帧观测都重规划。文中部署时 640×540、15 Hz 与数据集打包 640×360 是不同字段；未核对代码中的完整预处理/执行配置，因而不将它作为已独立验证的真机闭环延迟或成功率。目标：K01.05、K03.04、K03.05、MODEL-COSMOS。
Isaac Lab 3.0 EA 发布时间 2026-09-16 22:34:03 UTC（北京时间 09-17）；统一任务 API、kit-less、多后端和训练/评测入口。依赖写明 Isaac Sim 6.1、Python 3.12、PyTorch 2.11、Warp 1.16、Newton 1.5.2；后端组合按任务支持。它是窗口内工具变化，不是新的真机成功结果；GA 目标不能写成已 GA。目标：K02.08。
3 运动、全身控制与操作
c1-sonic
从跟踪到任务，分别计算成功
SONIC v4 §2.1、§2.5/Table 1、§2.6、§3.1/3.5/3.7、补充 S1.2/S1.3/S2；历史：首发 2025-11-11，v3 2026-05-21，v4 08-13。对照 v3，已有五类 VLA 任务及 75% 均值；v4 补/细化统计分析、试次数、动作空间比较和部署描述，不是 8 月首次获得 75% 能力。
运动参考经统一 latent token 与本体感知进入关节目标，再由 PD 执行；PPO 跟踪奖励、域随机化与运动数据是训练条件。Unitree G1 29 关节、42M 策略，100M 帧运动、约 21k GPU 小时。§2.1 的仿真成功依局部跟踪误差阈值判定；真机 124 段参考动作各一次，123 段成功，不能混作通用任务成功率。
§2.5 / Table 1 有自主移动操作证据：GR00T N1.5 经过任务示范微调，苹果入盘 300 轨迹、18/20；踩踏板开垃圾桶 200 轨迹、7/10；汽水罐入桶的多步任务 1,000 轨迹、6/10。全身接口为 64 维运动 token + 14 维手关节。表中胡萝卜/清洁块两种 pickup 共用策略，先合成一个任务再计五类任务 75% 均值；它不是六行直接平均，更不是跟踪成功率。补充 Movie S5 说明执行无人工介入，但不覆盖准备、失败重置及全天运维成本。
§2.6 承认长期部署安全、能耗未正式处理；极端/动态动作仍会失稳。补充中 11 kg 落物扰动只是单项抗扰演示，不能写成持续负载能力；室内任务、部分地形演示未构成系统化载荷/地形/跌倒恢复测试矩阵。
时序与开放配置：GEAR-SONIC 固定模型卡，HF API 的快照修改时间 2026-08-26（不是首发日）；固定代码 README News 标注低延迟版 06-16、v1.1 07-23。v1.1 增加 heading-normalized 目标方向、wrist-pose augmentation 与配套观测/增益设置，不是低延迟版。默认/v1.1 为 10×20 ms≈200 ms 前视；low-latency 为 4×20 ms≈80 ms。三套 encoder/decoder/observation config 不能混用。论文 §3.5 另报 Orin+TensorRT 的 policy forward 1–2 ms、policy loop 50 Hz、command writer 500 Hz、planner 10 Hz；均不是感知到电机的总延迟。目标：K04.04、K04.04.01、K04.05、K01.06、K03.04/05、K09.01/02、K06.07。
c2-control-and-contact
工具和专门技能的边界
MuJoCo Playground v1 §II/IV、§VI、附录 B/C；历史首发 2025-02-12，窗口外背景。速度条件 RL 的真机覆盖 Go1（草地/混凝土）及 Berkeley/G1/T1（室内地面）；这些设置不能互相替代。LEAP 手旋转 7 cm 方块，单相机位姿、20 Hz 策略；10 次运行连续成功旋转次数的中位数 3.5、均值 7.1，存在夹缝卡块和手指互锁。它证明了特定技能迁移，也展示失败，不能写成无限连续操作。
Playground v0.2.0（2026-03-16）已转向默认 Warp 并补视觉 PPO 配置；截至本次 feed 未见窗口内新 release。因此论文中早期 MJX/JAX 静态接触开销限制不能不加版本地套用到所有当前后端。Unitree RL Lab 固定 README给出 Isaac Lab 任务、sim2sim/部署步骤，只证实获取时文档入口；未验证固件、关节序和特定训练配置。未另做 RSL-RL 的算法比较。
HIL-SERL v3 §3、§4.1/4.3、§6及任务附录；历史：首发 2024-10-29，v3 2025-03-20，窗口外背景。示范 replay、奖励分类器、人工接管与真机 RL 支持插接、装配、动态/柔性操作的受控任务；任务使用不同观测、Cartesian twist/力控制和单/双臂设置。重置为脚本或人工，通常 20–30 条初始示范但任务附录各有不同条件。§6 明确未做广泛随机化/非结构环境泛化，长时域样本复杂度仍未解决。不能据“近乎完美”总结任意任务；LeRobot 的同名实现也不是原论文复现证明。目标：K04.04.01、K04.05、K03.01.01。
4 部署、运行时与评测
d1-versions
开放版本不自动组成部署方案
LeRobot v0.6.1：发布 2026-08-03 14:19:42 UTC，Atom updated 同日 14:24:49；Breaking changes 将 lerobot.types 改为 lerobot.lerobot_types，包含策略组件/processor 重构、GR00T checkpoint 文档与子任务标注变化。它是接口迁移证据，不能当成所有集成策略的成功验证。
GR00T 状态冲突尚未消解：代码 README 固定 commit（commit 作者时间 2026-10-07）称 N1.7 为 GA；n1.7-release 仍称 Early Access（发布 2026-04-18 14:45:14 UTC；Atom updated 04-21）；N1.7-3B 固定模型卡 Model Version 仍为 EA。HF API给出仓库创建 02-25、快照修改 04-23，这些不是模型卡的正式 release 日期（该字段仅给链接）。未确认 GA 代码与该权重一一对应的兼容清单，保留双方，不擅自升级/降级整个型号。
模型卡 System Requirements and Performance 的 4 denoising steps、1 camera 条件下，H100 Eager 85.8 ms、TensorRT full pipeline 27.9 ms，表内包含 preprocessing/backbone/action head；不是含相机曝光、网络、排队和电机响应的端到端延迟。Orin 仅 DiT TensorRT 与其他 full pipeline 配置不同。权重文件清单、卡片和配置可读，本轮没有下载权重或跑推理；支持硬件表不是独立性能验证。目标：K03.04/05、K06.07、K09.02、MODEL-GROOT。
d2-runtime
参数、运行测量和回退条件
ros2_control 固定 Controller Manager 文档源（commit 作者时间 2026-10-09 23:59:19 +01:00；文件首发/修改未知）与 Rolling 渲染文档的 Parameters、Determinism、update loop/overruns：manager 管理 lifecycle 与硬件接口，配置 update_rate 是目标循环频率；调度、控制器执行和 read/write 影响实测周期。return_type::ERROR 可触发 fallback，但须有可用 state/command interfaces。不能把配置了回退列表写成实际故障恢复已经验证。
本轮重试 ROS 2 固定 QoS 文档路径返回 404，未取得该页正文，不新增 DDS/Zenoh 性能判断。ROS 2 渲染站的 T01 限制未解除；ros2_control 文档不替代全部 ROS 发行版行为。目标：K06.02、K06.07、K09.02。
d3-evaluation
外部渠道仍须检查协议与关系
SIMPLER v1 §III-B、§IV–VII、附录 B；历史首发 2024-05-09，窗口外背景。配对仿真/真机评测 RT-1/RT-1-X、Octo 等策略，报告排序/表现相关性；视觉匹配和 variant aggregation 各有协议。边界是刚体、固定相机、手工场景构建；不同任务/机器人应重新检验相关性。作者包括 Google DeepMind 研究者，不是完全无关联的模型审计。
RoboChallenge v1 §2.3/2.4、§3.2；历史首发 2025-10-20，窗口外背景。Dexmal/Hugging Face 团队提供模型团队之外的真机渠道，Table30 每任务 10 次；进展分含步骤权重与重试扣分，完整成功另计，不能与 WALL 的进展分直接比较。§2.4 承认用户侧推理无法核验实际模型身份甚至人工介入，固定测试分布也有过拟合风险。服务商有利益关系；本轮未重试 T01 TLS 受限的官网，当前榜单、轨迹和服务可用性仍未验证。目标：K09.01、K09.02、K09.03.01。
基线结论与集中缺口
四条主线均有可读原始依据：后训练支持受条件限制的能力/效率改进；世界模型与合成数据的收益必须按真实动作证据判断；运动跟踪已连接少量自主移动操作；运行时工具已有明确接口，但整套版本与闭环性能不能从模型卡推断。以上均为作者结果或官方产物，本项目未做算法/真机复现，未获得行业级长期运行或统一成本比较。
供 T03 选择的少量增量问题（仍待开始）：
- 后训练是否同时报告完整成功、总人工时间与失败重置？优先查同协议复测，不再混用 USER 的 HG-DAgger 与 RL。
- WALL-WM 的完整真机成功/评分一致性、开放权重配套是否补齐？新发现的 DreamTrue 可作为动作因果性候选，需先读全文。
- GR00T GA 代码—权重—控制器是否出现成套 release；SONIC/Cosmos 是否增加闭环延迟分位数、丢帧/恢复与长时证据？
原 T01 风险全部有明确处理：RLinf 分离吞吐与成功；WALL 分离进展与二值成功；SONIC 分离前视与延迟；RoboCasa 固定 horizon 变化时点；GR00T 保留可定位的 GA/EA 冲突。未解决的开放/独立性问题限制结论强度，不以猜测填补。T02 检查范围见 检查记录。