今日具身智能信号从炫技转向找真工作。Persona AI 将船厂焊接定义为人形机器人第一个经济可行岗位，瞄准劳动力瓶颈；arXiv 新模块 Remember Smarter 使 VLA 长程记忆成功率提升；社区 sim-to-real 对比暴露控制短板。行业进入工程验证期。
今天最值得注意的不是新 demo，而是 人形机器人 开始被定义「第一份工作」。Persona AI 选择船厂焊接，因为线性焊缝、毫米级重复动作与可控速度对机器人友好；与 HD Hyundai、POSCO 合作，目标单点部署数百台，说明具身智能商业化正转向可核算的 单位经济性。
研究侧同步补课：Remember Smarter 为 VLA 策略加入视觉历史压缩与双曲经验记忆，使 pi0 在 LIBERO-Plus 成功率从 53.6% 升至 70.6%；sim-to-real 对比提醒，机器人错误成本更高，仅堆数据不够，还需不确定性建模与安全边界。
Persona AI 联合创始人 Nic Radford（Persona AI 联合创始人）和 Jerry Pratt（Persona AI 联合创始人）认为，焊接任务对机器人友好：线性焊缝多、速度可控、毫米级重复；船厂复杂地形适合人形双腿。公司与 HD Hyundai、POSCO 合作，目标单点部署数百台，逻辑不是替代人工，而是缓解劳动力瓶颈。技术解读：准静态焊接降低操作难度，是专用场景务实选择。
arXiv 新模块 Remember Smarter 针对长程策略上下文受限，用视觉历史压缩与双曲经验记忆两个分支。视觉分支用空间/时序 Mamba 压缩多视角历史，不改变 VLM 视觉 token 流；经验分支用 Poincare VAE 存储成功状态并异步检索。适配 pi0 后 LIBERO-Plus 成功率从 53.6% 升至 70.6%。技术解读：从压缩上下文与分层记忆入手，是长程操作的关键尝试。
Reddit 社区展示四足机器人 Cubic Doggo 斜坡仿真与现实对比：仿真平稳，现实出现难以控制的摆动，暴露 sim-to-real 迁移的控制差异。帖子包含开源仓库，便于复现。技术解读：sim-to-real gap 在接触丰富、地形变化时被放大，需更鲁棒域随机化或在线辨识。
认为人形机器人应瞄准高技能劳动而非普通体力劳动。焊接任务对机器人友好：线性焊缝多、速度可控、毫米级重复动作，且船厂劳动力短缺。人形双腿适合船厂复杂地形。
研究员注:💭 焊接的「重复精度」恰好匹配当前机器人能力，而劳动力短缺提供了商业动机；相比替代人工，其价值更在于提高产能，这是人形机器人落地效率优先的思路。
在LIBERO-Plus上，适配pi0后总成功率从53.6%提升至70.6%，真实机器人实验验证了记忆保持与经验利用的有效性。
研究员注:💭 将成功状态存入双曲空间并异步检索，不阻塞动作推理，为长程任务提供了一种轻量记忆方案；但还需在更多真实场景验证其泛化性。