今日主线集中在「鲁棒性」与「评价有效性」。GigaBrain-WBC-0.5 提出行为世界模型，联合预测动作、状态与行为指令分布，把环境可行性纳入人形全身控制，地形交互成功率达 81.3%，跌倒恢复 99.3%。
另一条线是对成功率的反思：SoftVTBench 用变形感知成功率 DSR 揭示现有策略成功回合中 0.7-24% 存在过度压缩或滑移；The Embodiment Gap 系统梳理跨本体迁移的适配成本。这些工作共同说明，只报成功率会掩盖真实部署问题。
5 signals·2 sources·2026年8月21日星期五·08-19 19:37 ~ 08-19 20:00 UTC
今日主线 · main storyline
人形世界模型、跨具身差距与触觉基准
今日论文聚焦鲁棒性评价：GigaBrain-WBC-0.5 用行为世界模型提升人形全身控制，SoftVTBench 用变形感知成功率揭示触觉操控的物理约束，Embodiment Gap 梳理跨本体迁移的适配成本。三者推动评价从成功率转向环境与物理代价。
今日主题 · topics
基于因果 Transformer，联合预测下一动作、状态与潜在行为指令分布。自动地形标注恢复三维接触几何，在线检测不合理指令并回退。地形交互成功率 81.3%，跌倒恢复 99.3%，硬件验证缺失支撑与扰动下的鲁棒交互。
via
arXiv cs.RO(论文预印本)
包含 4000 条专家演示、50+ 可变形资产，同步记录多视角 RGB 与双指触觉等。提出变形感知成功率 DSR，要求峰值归一化变形在容差内。现有策略成功回合中 0.7-24% 违反变形容差；分布偏移下视觉-触觉变体多优于纯视觉。
via
Hugging Face Daily Papers(每日论文选)
提出「具身差距」概念，描述策略在不同本体间可复用部分与仍需适配工作的差异。将现有方法映射到二维轴，回顾共享语义感知、数据接口、跨具身对应学习三方向。批评仅用成功率评价跨具身迁移，并提出新报告框架。
via
arXiv cs.RO(综述论文)
风向 · vibes
What practitioners are saying
研究启示 · insights
Worth re-reading
具身差距：从缩放迷思到适配现实
本文提出「具身差距」概念，即模型、表示或数据在不同机器人本体间可复用的部分与部署到目标机器人时仍需实现的适配工作之间的差距。
研究员注:💭 仅谈泛化成功会掩盖跨本体迁移的真实成本，新报告框架或能引导更理性的部署预期。
变形感知成功率 DSR
实验显示现有策略的成功回合中 0.7-24% 违反变形容差；分布偏移下视觉-触觉变体在任务成功率和 DSR 上大多更优，但分布内收益不一。
研究员注:💭 触觉数据并非越多越好，多模态融合是否有效需看场景与分布。
实用工具 · ship list
Tools, datasets & models shipped today
- 可变形物体操作数据集与基准，含 4000 演示、50+ 资产，提出 DSR 指标。↳ 适合评估触觉策略对变形的控制，建议关注 DSR 而非仅成功率。SoftVTBench: A Deformation-Aware Visuo-Tactile Dataset and Benchmark
- 人形机器人行为世界模型，地形交互成功率 81.3%，跌倒恢复 99.3%。↳ 可尝试用于鲁棒全身控制，尤其不靠谱指令检测。GigaBrain-WBC-0.5
今日全部信号 · all sources