具身智能

Alpha 揭示 LLM 机器人规划差距全因 planner-output corruption：100% vs 0%

将性能差距从推理能力归因到 prompt-to-JSON 序列化与验证接口，提示具身系统应优先加固输出解析而非仅提升模型推理。

研究发现 6 个 VLA 中单步生成基本匹配多步采样，低延迟部署无需额外训练

对 VLA 部署有直接工程意义：大模型单步策略可免费从多步模型获得，无需 retraining、distillation 或辅助目标，即可降延迟。

PACT-VLA 用提交前观测验证异步动作块

针对异步 VLA 部署的观测过期问题，给出候选生成与提交前验证思路，有助于提升实时成功率。

互补预测表示提升下游操作策略，WidowX 提升 10.4 个百分点

推理无需未来观测，预测几何与运动表示可迁移多种 VLA 架构，对操作策略训练有参考价值。

RAX：编码智能体无需动作示范，靠在线探索自学机器人控制程序

绕开遥操作数据依赖，把在线经验编译成可执行策略，为机器人数据闭环提供低成本扩展路径。

预注册：外部记忆检索比蒸馏进权重高 +34 pp，达 49.3%

为记忆架构提供预注册证据：经验外部化并在推理时检索，比蒸馏进权重更有效，对记忆增强模型设计有直接参考价值。

驾驶 VLA 存在感知-动作绑定缺口：能识别危险却不刹车

揭示 reasoning VLA 系统性失效模式，免训练注入能量即可修复，对自动驾驶安全工程有直接启示

ALMA 框架实现 LLM 辅助任务生成，仿真位置 RMSE 降 24.7%、真实悬停降 79.6%

提出用 LLM 分析控制困难并生成训练任务的范式，显著提升空中机械臂自适应飞行控制，零样本迁移到真机。

RoboColiseum 评测 GPT-6 等前沿 LLM 机器人控制

给出前沿 LLM 在机器人控制赛道的横向能力画像，可指导选择与评测具身 Agent。

ACE-Brain-0.6空间定位平均分75.41

约1.5 million样本的可验证定位监督提升开放9B模型空间感知，为具身数据闭环提供参考。