具身规划在目标达成之外，正面临隐含社会规范的考验。新基准 NormAct 显示，顶级模型规范遵守率仅 26.4%，远低于任务成功率 67.3%。这意味着智能体必须主动感知场景中的隐藏规则。
另一方面，推理速度优化并非处处灵药。TISED 框架发现，在闭环控制中，有损加速可能导致总完成时间反增。而跨形态技能迁移通过关键帧引导扩散策略实现零样本适应，为通用机器人学习打开新路。
46 signals·11 sources·2026年7月1日星期三·06-28 05:58 ~ 06-30 13:26 UTC
今日主线 · main storyline
规范盲区、加速悖论、跨形态迁移：具身智能的 3 个新信号
近期研究揭示，当前多模态大模型虽能达成日常任务目标，但严重缺乏社会规范意识（NormAct基准）；且推理加速在部分场景下可能延长总时长（速度悖论）。同时，关键帧引导的扩散策略展现出跨机器人形态的零样本迁移潜力。
今日主题 · topics
NormAct 基准测试显示，多模态大语言模型规划器目标成功率为 67.3%，但规范遵守率仅 26.4%；提出的NormPerceptor模块通过上下文生成规范提示，将成功率从 24.2% 提升至 46.7%。瓶颈在于规范激活与场景落地，而非缺乏常识。
via
arXiv cs.AI(NormAct 论文)
TISED 框架分析有损优化（量化、剪枝）在闭环中的效果：静态任务中，降低单步延迟可能增加总完成时间；动态任务中，适度优化可超越基线。硬件配置会改变效果单调性，为具身模型部署提供新视角。
via
arXiv cs.RO(速度悖论论文)
仅需单次演示 VLM 推理，自动标注关键帧并训练条件扩散策略。在 robomimic 上性能匹配标准基线，并通过可达性映射过滤关键帧，实现从双臂到单臂等跨形态的零样本迁移。
via
arXiv cs.RO(关键帧迁移论文)
风向 · vibes
What practitioners are saying
研究启示 · insights
Worth re-reading
隐性社会规范：具身规划的阿喀琉斯之踵
现有顶尖MLLM在目标达成率67.3%时，规范遵守率仅26.4%，差距主要源于规范激活与场景落地的困难。
研究员注:💭 这提示我们，具身智能体需要先主动检测场景中的隐性规则，再将其转化为动作约束，而非仅依赖常识性社会知识。
今日全部信号 · all sources