窗口与比较起点
| 字段 | 本轮记录 |
|---|---|
| run_id / 时区 | 2026-10-10_182907_incremental_update / Asia/Shanghai |
| 模式 | 窄窗口扫描＋补充核查；不重做全量基线 |
| 新发布扫描窗口 | (2026-10-10 17:27:33, 2026-10-10 18:29:07] +08:00；检索首屏重叠至此前材料 |
| as_of | 2026-10-10T18:29:07+08:00，固定材料截止；后续获取不自动延长窗口 |
| 实际检索起止 | 2026-10-10T18:29:07+08:00 — 2026-10-10T18:33:56+08:00 |
| 补核材料范围 | 入选论文按 arXiv UTC 发布日期为 2026-10-07 至 10-08；WALL 复核版本为 09-06。均早于 T02 截止，不是基线之后新发布 |
| 比较起点 | T02 基线依据及当前工作区；HEAD b4c1e3c64a4b8cb0adeb3dff09c5368b8fc1a3b4 |
| 初始差异 | git status --short 为空；T02 已在 6d6ca7c 提交。本轮无原有待提交成果需混入统计，未提交或撤销任何改动 |
问题：① 后训练是否有同条件的完整真机成功对照，并报告总人工成本？② 世界模型的动作后果与评分一致性能否获得比视觉质量更直接的证据，是否补足 WALL 真机收益？
结果：3 个归组候选，2 个全文深入核查、形成 2 项认知补充，1 个已覆盖无需修改；基线后新发布 0 项（仅本轮筛读范围）。回写 3 张已有主题卡，节点与关系数量不变。获取回执保存 URL、时间、响应哈希和筛读题名，不存整页转储。
来源扫描与覆盖缺口
| 来源 ID / 入口 | 实际覆盖与返回 | 处置和限制 |
|---|---|---|
arxiv-robotics：world model robot、vision language action reinforcement |
各首屏返回 50 项；各筛读前 12 项题名/日期，均无落入新窗口的条目 | 24 个题名级条目中只选下表相关工作，不翻页、不宣称 100 项均全文审核；首屏排序不是完整修订日志 |
| 同源精确题名：DreamTrue、Many Ways to Succeed | 各返回 1 项，合并到同一 arXiv ID；读取 abs 历史及固定 v1 HTML | 两候选均已由 T02 发现，本轮提升为已核查。没有有效零返回的请求；“新窗口命中 0”与“入口返回 0 条”不同 |
wall-x：论文历史、固定 README |
abs 最新仍 v2；git ls-remote 的 main 仍是 T02 commit；当前 raw 与固定 README 字节一致 |
已覆盖。只确认论文版本及该仓库入口未变，未扫描全部模型/数据平台，不能断言 WALL-WM 在所有渠道均无新产物 |
| 由 DreamTrue 作者链接到仓库、项目页、数据页 | GitHub API 403 限流；用 git ls-remote＋固定 raw 替代，读根目录及 calibration、wmvideo、reward 四份 README。项目/数据页 HTTP 200 但只有应用空壳 |
不把 200 计为产物已核验。作者固定 README 可证实声明和文档范围，不能替代数据清单、权重快照或下载验证；commit 发布时间未取得 |
检索字段与前 12 项身份见获取回执；SpatialHarness、LeWAM、MiniWAM 等其他题名仅留发现清单，本轮不判断其方法与价值；导航/临床等题名与本轮问题不匹配，未选。未扫描 RLinf、PI、GR00T、SONIC、Cosmos 等发布入口，亦未重做 T01 来源审核。不修改 channels.yaml 的 reviewed_at 或任何全来源水位；滚动搜索页和 README 不能严格重建截止瞬间状态，固定论文版本早于截止，代码快照仅描述获取时开放说明。
候选身份与去重处置
所有获取日期为 2026-10-10 +08:00，逐次时分秒见回执；以下论文版本日期取 abs Submission history，非搜索页获取日。
| 候选 / 去重键 | 身份与固定版本 | 发布 / 实质修订 | 处置与理由 |
|---|---|---|---|
C01 / arxiv:2610.09943v1 |
Many Ways to Succeed: Diversity-Driven RL Fine-Tuning for VLA Generalization；Haoru Li、Jinmei Liu、Zhiyong Wang、Xiaoming Li、Zhenhong Sun、Daoyi Dong、Chunlin Chen、Zhi Wang；abs / v1 原文 | v1 2026-10-07 12:26:21 UTC（北京时间 20:26:21）；无后续版本 | 修订，旧材料认知补充。从题名候选转为受控真机成功对照；仍未补足人工成本。两搜索入口归一，不算两份证据 |
C02 / arxiv:2610.12468v1 |
DreamTrue: Action-Faithful Robot World Model with Counterfactual Post-Training；Junyan Li、Ruizhi Li、Yu Liu、Xiangshuo Liu、Mingchao Sun、Hongyu Pan、Mu Xu、Lue Fan、Zhaoxiang Zhang；abs / v1 原文 | v1 2026-10-08 17:59:51 UTC（北京时间 10-09 01:59:51）；无后续版本 | 修订，旧材料认知补充。新增视频标注一致性和仿真结果对照，不能替代真机策略收益。作者项目、代码、数据声明均附属同组，不是独立复现 |
C03 / arxiv:2606.01955v2＋wall-x@ce2a1ae… |
WALL-WM: Carving World Action Modeling at the Event Joints；Shalfun Li 等（abs 共 32 名作者）；v2 原文，沿用 T02 全文核查，本轮只复核历史与开放入口 | v1 2026-06-01 09:14:51 UTC；v2 09-06 05:36:17 UTC；README 首发/实质修订时间未知 | 已覆盖，无需修改。版本与 commit 均同 T02，Task Progress、76/500 仿真完整成功及配套缺口仍保留 |
C02 代码定位为 brave-eai/DreamTrue@991e2963c015be9c5b7f21695bb82bfaaceffed8。其首发、commit 时间及 README 实质修订日未核实，不能把获取日写成“10-10 发布”；本轮未取得可核验的模型/数据版本号。C01 的 abs/正文中未找到作者代码或权重链接，故开放配套未确认，不推断为闭源。
判断修订
1. DRIVE：特定真机成功增益不等于总人工成本下降
原有判断 → 强化学习 / T02 a1：RLinf-VLA 关抽屉两组均 8/10；USER 的 π0 是 HG-DAgger。现有样本不能由吞吐推断真机成功或总人工成本收益，Many Ways 尚未核查。
新证据 → v1 §4、§5.3、Table 2、§6、附录 D/E：DRIVE 在匹配任务条件的 rollout 组内，用时间对齐的 Global Alignment Kernel 比较 VLM 特征，仅向成功轨迹发放多样性奖励；共同 SFT 起点、PPO/Flow-SDE 训练管线。真机部分先对 PiPER-X 双臂做手眼/坐标标定（每臂 48 个预定义姿态），匹配仿真几何、视角和光照，在该仿真中采专家轨迹并分别训练 Vanilla RFT 与 DRIVE，再部署至真机。不是在真机上在线 RL。
| 任务 / 方法 | Clean | Distractor | Background | Lighting |
|---|---|---|---|---|
| Click Bell / Vanilla RFT | 80% | 60% | 70% | 65% |
| Click Bell / DRIVE | 85% | 75% | 75% | 65% |
| Press Stapler / Vanilla RFT | 75% | 70% | 65% | 55% |
| Press Stapler / DRIVE | 80% | 75% | 80% | 70% |
每个任务×条件×方法 20 次，成功定义为物理操作目标完成。两方法评测条件相同；8 组中 7 组提高、1 组相同。三种 OOD 条件合计每方法 120 次，按表中百分比及明确分母折算为 77/120 与 88/120，差值 11/120≈9.17 个百分点。正文写 64.1%→73.3%、+9.2；直接按表汇总为 64.166…%→73.333…%，前者常规四舍五入应为 64.2%，故主题卡采用可重算计数并标明“按表折算”，不把计数冒称逐次日志。§5.3/附录 E 的文字误指 Table 6，按标题 “Real-world success rates (%) over 20 trials per task-condition pair” 的 Table 2 定位。
新判断 → 成功条件下的行为多样性奖励，有作者同条件真机对照支持其改善两项短程操作的视觉扰动鲁棒性；补充了 T02 的有限样本，未反驳 RLinf/USER 的原判断。
边界 → 不泛化为任意任务/新本体；额外 GAK 计算和 VLM 特征质量是代价。未见统一报告示范、标定、标注、接管、重置、失败处置的总人工时间；真机逐次日志、具体 checkpoint 标识及介入/重置协议未充分披露，不能声称零接管或统计显著。两主干 π0/π0.5 的仿真表不能自动指定真机 Table 2 的 checkpoint。未验证开放训练配套、未运行算法或真机。
回写 → K03.01.01 增加一段；K02.07 数据飞轮的总成本判断仍有效，K09.01 能力评测的完整成功/同协议规则无需改动，不重复铺写论文。复核 K03.01.01 → K02.08 / K01.03 / K02.07 / K09.01 及其运动策略关系：均为概念关联，与新证据不冲突，已核对，无需修改。
2. DreamTrue：增加视频与仿真验证层，真机收益仍缺
原有判断 → 动作条件世界模型 / T02 b1：联合生成视频和动作不自动是反事实模拟器；WALL 的真机进展分和仿真二值成功未验证任意动作后果，评分一致性与真机完整成功仍缺。
新证据 → v1 §3.4、§4.1/4.2/4.4、§5、附录 B/C，Tables 1/8/9/10：
- 方法先做离线几何标定，把动作渲染为图像条件；固定初始场景，对轨迹终点施加 SE(3) 扰动并插值/逆运动学，产生反事实动作。用人工视频缺陷标签训练奖励模型，再后训练视频生成器；反事实动作没有配对的真实未来视频。记录动作仍有配对 PSNR 约束。后训练对象是世界模型，不是机器人策略。
- AgiBot 54 个任务、160 个反事实条件；6 个模型共 960 视频，3 名标注者盲于模型身份、独立乱序评分，多数票。自身 Stage I→完整模型的 L3 交互缺陷率 48.12%→6.25%；Table 9 的 Wilson 95% 区间分别为 [40.52,55.82] 与 [3.43,11.12]。Table 8 的 L3 Fleiss κ=0.7031，any-defect κ=0.7817，两者不能混写。多个缺陷维度可重叠，不能将 1−缺陷率称为任务成功率；“三人独立评分”不是外部团队独立复现。
- RoboTwin 2.0 的 Aloha-AgileX 双臂，beat_block_hammer / handover_block / place_dual_shoes 三任务，clean/randomized 两配置，每配置 10 场景；4 个策略在 60 固定场景中执行，共 240 条仿真轨迹。世界模型给定初始观测与完整已执行动作序列生成结果，盲评视频是否完成任务，再与仿真真值比对。Table 10 相对 Ctrl-World 的成功率 MAE 12.92→7.08 个百分点，24 个任务×策略×配置的 Spearman ρ=0.937。它不是策略在模型生成观测中闭环重规划，更不是加入世界模型后真机成功率提升。
开放配套另核 → 固定根 README及 wmvideo、reward、calibration可读。wmvideo 明确为 Wan2.1 V2V-VACE 14B 推理发布，不含基础权重和生成器训练代码；给出 dual-LoRA、奖励 checkpoint 和 mini 数据包链接。根/奖励 README 明示完整数据待发布；未见场景 OOD 评测资产打包。ModelScope 页面只有应用空壳，未核实文件库存、权重快照/哈希和可下载性；论文称释放 44.9K 视频标注不代表本轮验证了全量开放。未执行 README 命令。
新判断 → 对动作条件预测，可以进一步检查盲评一致性及与已执行策略结果的对照；DreamTrue 提供了这两层作者证据。只降低视频交互缺陷或仿真评估误差，仍不能推出真机迁移收益，更不能补上另一模型 WALL 的缺口。
边界 → §5 明确动作表示、生成器和奖励都在图像空间，遮挡/有限视角下仍可能奖励视觉合理而物理错误的结果。配对未来缺失、长时滚动和真机闭环收益未解决；本轮未核验挑战榜单，不把论文“第一名”作为独立依据。
回写 → K01.05.01 增加方法/评测/开放边界；K01.05 只加简短入口，不复制详细数据。复核 K01.05 的六条概念关联、K01.05.01 空 relations 及来自专题的动作预测关系：已核对，无需修改；分类已连接父子，正文引用不必制造语义边。MODEL-WALL → K01.05 的公开资料关系仍描述 WALL 研究，无理由改为 DreamTrue；WALL 实体及 K02.08 不刷新日期。
检查、修改范围与续查
程序与内容核查结果见 本轮检查。本轮修改：3 张已有主题卡、维护机制、待办入口；新增批次模板、此记录及独立 check/fetch JSON，构建器重生成图谱/页面和当前 data_check。未改节点 ID、parent、display_order、relations、来源配置或查看器；不改 T02 截止页、证据与检查快照。
已执行 build（--sync-links）、check_atlas、git diff --check，另核对新增版本/日期/指标、受影响关系、手写链接与锚点。浏览器回归不适用：分类、排序、查看器未改。内容核查限上述作者论文、版本历史和开放说明；未进行算法/真机复现、下载权重/数据、启用调度、对外发送或提前制作 T04 报告。
下轮续查：
- 用
arxiv:2610.09943v1、arxiv:2610.12468v1、arxiv:2606.01955v2及两个固定仓库 commit 识别已处理项。新版本先读差异；同版转载跳过，实际新增成本/真机评测或配套产物才重开。 - DreamTrue 可在支持网页渲染的环境或官方可读资产清单恢复后核对 ModelScope 权重快照、完整标注与训练配套；API 限流时沿用固定 raw，不反复重试。DRIVE 优先查作者后续代码/checkpoint、真机协议和人工预算；不能从未找到入口推断永不开放。
- WALL 的真机完整成功、评分者一致性、成套开放仍待查；GR00T 配套和 SONIC/Cosmos 整机运行本轮未覆盖。各入口延续最后实际核查范围，不统一推进到本轮 as_of。arXiv 下轮可重叠从 T02 截止检索，结合本轮去重键，补翻页或专门修订查询。
本轮完成了“发现→去重→原文→真实修订→关系复核→检查”的手工链路；状态仅见 建设重点。T04 可引用本批次两项认知补充，不得包装成基线之后的新发布。