双周反思 | 2026-07-16 – 2026-07-29
读完没立场 = 这两周在消费而不在研究
本期 50 篇评级论文中仅 5 篇（1.5%）获得 ⚡ 标记，且全部围绕 "Scaling" 展开。与此同时 CALVIN/LIBERO 上发生了 44 次 SOTA 变动——但所有主流基准都被标记为"饱和"。你认为这 44 次刷榜中有多少是真正的泛化进步，有多少只是过拟合 ABC-D/D-D 分割的幻觉？如果答案是"几乎全是后者"，你的实验室明天该停掉哪台跑 CALVIN 的 GPU？
ViTacWorld（ShanghaiTech）和 $N_0$-TWAM（复旦）在同一天（7/28-29）发布，两篇都是"触觉原生世界模型"，两篇都拿到了 ⚡。这是触觉+世界模型交叉点的第二次爆发（第一次是校准中 V-002 触觉假设从 0.64→0.79）。但看方法细节：ViTacWorld 用 action-conditioned world model 做接触预测，N₀-TWAM 用 NeoForce 统一触觉表征做动作生成。哪条路线更可能成为触觉 VLA 的默认架构？还是说两者都在回避同一个问题——触觉数据的规模化采集根本没有经济解？
校准系统 16 个假设中 10 个在"strengthening"，0 个在"weakening"。V-001 扩散动作头 0.76→0.88，V-007 遥操作数据 0.75→0.87，A-004 推理模型 0.82→0.97（strongly_confirmed）。但 V-005 在线 RL 和 V-010 3D 空间理解连续两个周期 confidence_delta = 0。没有反信号的强化是不是真正的强化？还是说你的假设集已经变成了自我实现的预言？
双周报告指出"14 个核心方法族全部标记为衰退"——包括 rl_finetuning（0.54）、language_grounding（0.48）、cross_embodiment（0.1）。但产业端：Tesla Optimus 7-8 月量产、XPeng 试产、逐际动力 2 亿美元融资、Kimi K3 2.8T 参数。学术界的方法族衰退和产业端的产能扩张是同一个硬币的两面，还是两个完全不同的游戏？如果是后者，你的研究选题应该往哪边倾斜？
RoboTTT（7/18）证明延长策略观测时间窗口是提升长程执行成功率的首要杠杆，绕过了分层规划器的复杂性。VPWEM（7/25）用工作记忆+情景记忆解决非马尔可夫任务。FutureRTC（7/29）用预期条件动作分块解决异步执行错位。三篇论文从三个角度解决同一个问题：VLA 的上下文建模。你认为"上下文缩放"会取代"模型缩放"成为下一阶段的核心杠杆吗？如果是，OpenVLA 这类固定上下文窗口的开源模型还值得跟进吗？
本期 flow_matching（20 篇）首次超过 diffusion_policy（16 篇），校准 V-001 置信度升至 0.88。但你能说清 flow matching 和 diffusion policy 在策略生成场景下的本质区别吗？——不是"flow matching 训练更快"这种表层回答，而是：在 robot manipulation 的连续动作空间中，flow matching 的 velocity field 参数化相比 diffusion 的 score-based 参数化，到底解决了什么后者解决不了的问题？如果不能，去读 GeCO: Generative Control as Optimization（2603.17834）和 AsyncVLA（2511.14148），这两周最该补的课。
Genesis v1.2.3（7/18）引入椭圆摩擦锥和高阻抗选项，MuJoCo 3.11.0（7/28）新增 geom/surfacevel 表面速度场。两个物理引擎在同一周窗口内更新，都聚焦接触动力学的精确建模。但看你的触觉论文：ViTacWorld 用仿真数据预训练，N₀-TWAM 用 6 个本体 450 个任务的视触联合数据。问题来了——当物理引擎的接触建模精度逼近真实传感器噪声水平时，sim-to-real 的瓶颈会从"物理不准确"转移到什么？如果答案是"视觉域差"，你手上有哪些工具可以缩小它？