https://inkeast.github.io/MessageDaily/tags/%E6%9C%BA%E5%99%A8%E4%BA%BA/Recent content in 机器人 on MessageDailyHugozh-cnWed, 23 Sep 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-09-23-vlm-robot-transfer-paper-reading/Wed, 23 Sep 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-09-23-vlm-robot-transfer-paper-reading/以清华大学胡事民团队 RoboDawn 为主线精读：它用一套人类直觉的「语义原语接口」（离散平移/旋转/夹爪命令）把机器人控制暴露给 agentic VLM，配合无需参数更新的 in-context learning 与闭环决策，在 RoboTwin 2.0 上单样本 73.6% 成功率，超 HarnessVLA 的 58.4%。同日 RoboProbe 等发布的 GPT-6 Astra 在 RoboDojo 零样本 22.48% SR 登顶，却能力两极化（Precision 仅 4.00 vs DM0.5 16.75），为「通用大模型已具备机器人控制潜质、但精度是短板」提供独立佐证。https://inkeast.github.io/MessageDaily/posts/2026-09-11-show-harness-vlm-robot-paper-reading/Fri, 11 Sep 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-09-11-show-harness-vlm-robot-paper-reading/Show-Harness 用一组离散语义动作单元（单步方向移动+夹爪动作）作为 VLM 与任意机器人本体之间的唯一接口：VLM 在语义空间推理意图，本体专属解释器把语义动作确定性落地为局部控制，VLM 始终对细粒度物理决策负责。同一接口实现零样本解锁前沿闭源 VLM（ZS 60%→82%）与几 GPU 小时微调小模型（FT 40%→65%），GUMI GUI 接口让人类与智能体用同一套语义动作采数据。本文精读其 perceive-reason-act 插件体系、语义-物理解耦机制与为何它能在跨任务/跨本体/跨环境全面超越 VLA 与智能体基线。https://inkeast.github.io/MessageDaily/posts/2026-07-22-embodied-native-model-ant-lingbo/Wed, 22 Jul 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-07-22-embodied-native-model-ant-lingbo/蚂蚁灵波首席科学家沈宇军的深度访谈。他从GAN研究起步，经字节、蚂蚁研究院，最终主导蚂蚁灵波做机器人"大脑"。文章梳理了灵波最核心的技术主张——“具身原生”：不再沿用数字世界的模型做下游适配，而是从传感器、视频时序、单向MoE架构出发，为物理世界从头训练一套完整的机器人基础模型（V-Ren、DEPS、VLA 2.0、Video、Word六件套）。沈宇军也坦率谈到了数据是当前最大瓶颈、灵波为什么不做本体、以及他对"大脑落后于本体"这一行业判断。