本期判断
纯运动学与离散模式切换正迅速触碰泛化上限；将力交互与动力学预测内嵌至基础模型与仿真残差世界模型中，是实现零样本/少样本真实硬件部署的确定性路径。若策略无法显式建模力矩、接触反作用力及本体转移过渡动态，以演示驱动的全身操作在大负载或接触受限场景下的成功率将难以突破实机临界点。
高信号事件
- FACT 基础模型将触觉力觉引入灵巧操作预训练：研究团队提出 EgoForce 人类触觉数据集与 FACT 级联基础模型，通过视觉轨迹粗规划配合“力-动作”联合微调器。在工具使用与精密实验等 10 项任务中，结合 90 条人类与 10 条真机轨迹微调，成功率相比基线 T-Rex 提升最高达 60 个百分点。来源：arXiv:2610.19155
- $\lambda_0$ 利用 500 小时人体全身数据实现人形机器人移动操作零样本迁移：针对全身移动操作数据昂贵的问题，构建包含 500 小时第一人称视角及全身/手部姿态的 HumanVerse 数据集，并推出人形基础模型 $\lambda_0$。通过对齐视点与手臂外观并离线修正控制器输入，在 Unitree G1 上实现目标任务零真机轨迹迁移，真实环境移动操作成功率达到 62.5%，SIMPLE 基准成功率达 90.0%。来源：arXiv:2610.18950
- Contact-UAN 借助残差世界模型解决双足动力学 Sim-to-Real 鸿沟：通过仅 6.5 分钟的实机行走本体感知数据训练无监督执行器网络（UAN），结合接触一致性回放技术，修正仿真中执行器动力学与接触反力。策略实机迁移后实现运行力矩降低 20%、力跟踪误差降低 43%，并支持高动态跳跃与阻抗控制。来源：arXiv:2610.18991
- PACE 提出预测动力学自适应机制化解跨本体操作策略崩溃：针对多机器人经验聚合因转移行为不同导致的动作混淆问题，设计两阶段架构分离任务空间意图与本体动力学。该方法在零样本分布外仿真本体上达到 89% 成功率（基准扩散策略为 66%），并在物理 KUKA 机械臂上完成零样本 Sim-to-Real 部署。来源：arXiv:2610.19141
- 下肢外骨骼与假肢迈向时空连续与先验感知统一控制：穿戴式计算框架 Tread 结合胸部单目相机与 4 个下肢 IMU，以 96.3% 准确率提前 1.46 秒预判地形变化；连续仿生假肢策略通过径向基函数（RBF）插值整合地形坡度与步态相位，在 10 位截肢受试者上验证了无需离散切换模式即可连续自适应最高 35 度坡道与阶梯。来源：arXiv:2610.19067、arXiv:2610.19183
技术链路
- 数据端：从单一末端轨迹向“全维度多模态”扩展。HumanVerse 补齐了人体第一视角下的“全身移动+操作”同步位姿；EgoForce 则将缺乏力反馈的人类视频升级为包含接触力监督的数据流，减少了昂贵的真机示教需求。
- 模型端：从纯动作生成转向“任务意图与动力学特征解耦”。PACE 引入未来转移预测作为隐空间正则化器，FACT 引入“力-动作”联合精炼网络与未来力预测，使动作输出与物理接触强绑定。
- 仿真/评测端：Sim-to-Real 的对齐重心从纯运动学对齐转向“接触一致性物理对齐”。Contact-UAN 明确指出，若仿真初始化接触扳手（Contact Wrench）失齐，残差网络将学习到错误的重置误差而非真实执行器物理差异。
- 部署端：端侧受限计算架构持续优化。RingNav 将视觉航向记忆约束在 $S^1$ 流形上，以 10.6k 超轻量参数在树莓派 Zero 2W（27.3 Hz）和 GAP8 处理器（33.4 Hz）实现超低功耗运行，验证了任务特化紧凑状态表征的可行性。
商业与产业信号
- 受益方：通用人形机器人与灵巧手硬件方案商（如 Unitree G1 生态开发者）。HumanVerse 与 FACT 证实，利用带有力和姿态标注的人体高阶数据做中期预训练（Mid-training），能以极少量（如 10 条）本体实机数据撬动长程复合任务交付，大幅缩短产线非标部署周期。
- 受阻调整方：仅依赖开环示教、单纯放大纯视觉动作克隆（Behavior Cloning）规模的软件团队。当操作涉及复杂受力装配、接触反作用或跨不同机型复用时，忽略动力学预测和执行器真实扭矩闭环的方案易发生策略崩溃。
- 未解决约束：真实场景长程成功率仍显不足（如 $\lambda_0$ 在真实移动操作成功率为 62.5%）；多模态力传感器在工业灵巧手端的大规模耐久性与低成本量产仍未得到充分验证。
接下来验证什么
- $\lambda_0$ 的非结构化泛化鲁棒性：观察 HumanVerse 训练的模型在 Unitree G1 以外的人形本体上，面对突发物理扰动时的恢复表现。
- 触觉预训练模型的数据扩展边际：观察 FACT 模型在增加更多复杂非刚体或精密装配类任务时，人类力数据与机器人力数据的置换比率是否仍能保持近 1:1 的有效性。
- 微型模型向复杂导航的演进：观察 RingNav 的流形约束记忆机制能否从一维航向角（$S^1$）成功扩展至复杂 6-DoF SLAM 状态估计中，且维持极低功耗。
本期基于 10 条近期公开信源生成；原始数据：data/embodied_ai/2026-10-15.json。