WEEKLY RECON | 2026.10.10 – 10.16

前瞻偵察前瞻侦察 · 2026年10月16日

意外信號意外信号 可證偽命題可证伪命题 觀察清單观察清单
2026-10-09 to 2026-10-16

VLA 週報

基於 VLA-Handbook 7 天系統數據

TL;DR

  • 本週 arXiv cs.RO 集中湧現 15 篇 VLA 相關工作，主線從「能不能做」轉向「如何可靠、可控地做」：How 級指令遵循診斷、流匹配模式控制、測試時驗證、多教師蒸餾、長時程潛記憶成為高頻主題。
  • 觸覺預訓練迎來規模化嘗試——Spark-0 用空間對齊的視觸覺（VTLA）架構，把 contact map 與 3D 幾何特徵納入預訓練，直擊接觸密集靈巧操作中力/滑移不可從圖像觀測的痛點。
  • REKI（2.4B，純公開數據）在 LIBERO-Plus / RoboTwin Clean2Rand / RoboCasa365 上刷新性能-規模 Pareto 前沿，為小模型 VLA 提供可複用基線；LIBERO 陣營本週同時推出 LIBERO-PeRM 個性化 benchmark。

Spotlight

https://arxiv.org/abs/2610.21251" target="_blank" rel="noopener noreferrer">Do VLAs Really Follow Instructions? Diagnosing How-Level Instruction Following in Vision-Language-Action Models

一篇診斷性研究，首次系統區分「What 級指令」（指定做什麼任務）與「How 級指令」（指定如何執行），並檢驗當前 VLA 是否真的能遵循後者。

核心貢獻不在於新模型，而在於一個被長期忽略的評估維度：以往 VLA 評測幾乎都停留在 What 級——給定「把杯子放到桌上」即可，而對「先繞開障礙再放」這類程序性約束缺乏檢驗。作者發現 How 級指令不僅無助於提升成功率，反而普遍降低任務成功，並將根因指向訓練數據的「一 episode 一指令」配對範式——這種數據構造讓模型學不到指令與執行細節的條件依賴。從工程落地看，這直接命中團隊在真實部署中最頭疼的問題：用戶自然語言往往是 How 級的描述，而現有 VLA 在這種輸入下會被「繞暈」。方法創新有限（主要是診斷 + 假設），但其結論對數據構造與訓練目標設計有實質指導意義——值得在後續的後訓練/指令增強管線中作為必查項。

不是新 SOTA，但是一記警鐘：VLA 的指令遵循能力被高估了，問題出在數據配對範式而非模型容量。

https://arxiv.org/abs/2610.22342" target="_blank" rel="noopener noreferrer">Spark-0: Scaling Spatially Aligned Tactile Pretraining for Robot Dexterous Manipulation

一個空間對齊的視觸覺語言動作（VTLA）模型，用「觸覺手套生成的圖像空間 contact map」在預訓練階段把觸覺引入通用策略，並結合凍結 3D 幾何特徵。

這是本週最貼近團隊「觸覺 + VLA」主攻方向的工作。其關鍵設計是把觸覺以「空間對齊」的方式注入——即 contact map 與視覺在同一圖像座標系下耦合，而非簡單拼接觸覺向量，這使得觸覺信號能與視覺 token 在共享空間中對齊，理論上更利於跨模態注意力學習。選擇在預訓練階段（而非僅微調）引入觸覺，回應了通用策略在大規模視覺預訓練後「看不懂力/合規/初始滑移」的結構性缺陷。對接觸密集的靈巧操作（插拔、易碎物抓取）具直接價值，且手套採集的可擴展性優於昂貴的觸覺感測器陣列，降低了規模化門檻。風險在於手套到真機感測的域差異，以及 contact map 分辨率上限，需看後續真機泛化結果。

觸覺進入預訓練而非微調階段，是團隊方向上一條值得跟進的技術路線。

SOTA 變化

  • LIBERO (standard-opensource): LaST-R1 以 99.8 平均成功率刷新，較 HABILIS Brain 0 提升 +0.20
  • 開源設定下 LIBERO 已逼近飽和，差距進入小數點後兩位，排行榜區分度快速下降，後續價值將轉向更難的多樣化評測（如 LIBERO-Plus、LIBERO-PeRM）。
  • LIBERO (standard-closed): FutureDuet 達 99.2，+0.10 超過 PriorVLA
  • 閉源與開源雙線同時觸頂，說明單一 LIBERO 基準已難以有效區分方法優劣。
  • CALVIN (ABC-D / ABCD-D / D-D): 本週多條 CALVIN 設定集中更新：MMaDA-VLA 4.78（+0.03）、AVA-VLA 4.65（+0.18）、EDAR 4.75（+0.09）、HiMoE-VLA 4.49（+0.14）
  • CALVIN 長時程指標仍在緩慢爬升但仍未破 4.8，長序列泛化是當前 VLA 未解決的真正瓶頸，值得作為下一階段重點觀察指標。
  • MetaWorld (standard-opensource): Evo-World 達 91.1 平均，超 FabriVLA +1.10
  • MetaWorld 上 +1.10 屬較大跨度改進，Evo-World 的演化式思路值得進一步拆解其方法構成。

本週發布

產業動態

  • 星塵智能: https://finance.sina.com.cn/jjxw/2026-10-13/doc-iniuzuyr8157270.shtml" target="_blank" rel="noopener noreferrer">據報導 2026-10-13 完成 10 億元人民幣新一輪融資，公司估值達 150 億元，反映具身智能一級市場熱度持續。
  • 小鵬汽車 AI 團隊（聯合北大、港大、UC Berkeley、普林斯頓、NUS、清華、港科大廣州）: https://eogee.com/article/221" target="_blank" rel="noopener noreferrer">發布 4B 視覺定位基礎模型 GroundingPI（arXiv 2609.39601，64 頁），34 項 grounding 基準均分 73.68% 超 GPT-6 Astra 的 71.54%；接入 Action DiT 後 RoboTwin 2.0 分佈內成功率 66.20%、分佈外 17.60%，HuggingFace 累計下載 246 次、點讚 16。
观察清单 WATCH LIST

下週觀察清單

  • How 級指令遵循問題是否引出後續工作——重點看是否出現「多指令/episode」或程序性約束的數據構造與訓練目標改進，這可能是本週最具外溢價值的信號。
  • LIBERO 逼近飽和後，LIBERO-PeRM（個性化）與 LIBERO-Plus 等更難基準會否成為新的主要競技場，觀察頭部模型是否迅速遷移評測重心。
  • 觸覺預訓練路線的後續——Spark-0 是否開源、有無真機交叉驗證，以及是否出現手套 contact map 與真機感測域對齊的專門工作。
  • 世界模型 × VLA 的持續升溫——TS-WAM（時間潛動作 + 世界-動作耦合）、Grounded-Dreamer、VeriVLA（潛世界模型測試時驗證）共同指向「用未來預測提升策略可靠性」，值得留意其收斂方向。
  • 工程端摩擦點——社區 DFI 顯示痛點集中在最後一哩部署與硬件接合（openpi 消費級多卡 NCCL 報錯、jetson_orin 邊緣路徑），預期下週仍會是 integration 階段的主要阻塞。

審計提示(自動生成,未經人工確認)

發布前的事實核查對以下內容存疑,引用前請自行核實:

- REKI（2.4B，純公開數據）在 LIBERO-Plus / RoboTwin Clean2Rand / RoboCasa365 上刷新性能-規模 Pareto 前沿 — 基準名稱誤讀/機構歸屬(來源:來源摘要僅列出 LIBERO-Plus、RoboTwin Clean2Rand、RoboCasa365，未含「team/affiliation」信息；來源將 R)

- LIBERO (standard-opensource): LaST-R1 以 99.8 平均成功率刷新，較 HABILIS Brain 0 提升 +0.20 — 數字/基準一致(來源:與來源 sota_changes 一致（LIBERO, standard-opensource, 99.8, LaST-R1, baseline HABILIS)

- CALVIN 長時程指標仍在緩慢爬升但仍未破 4.8 — 可支持性(來源:來源 CALVIN ABC-D 最高值為 MMaDA-VLA 4.78，確實 <4.8，但來源未提供「歷史趨勢」數據，『緩慢爬升』屬推論，非來源直接支持。屬輕度)

- MetaWorld 上 +1.10 屬較大跨度改進 — 主觀評價(來源:數值 +1.10 與來源一致，但『較大跨度』為評價，非來源數據。)

- Genesis v1.4.4 ... 直接利好接觸密集操作的 sim-to-real 訓練 — 因果推論(來源:來源僅述『加速 GPU 剛體模擬並提升基於擾動的多接觸穩健性』，未提及 sim-to-real 訓練收益，屬報告外推。)

- HuggingFace 累計下載 246 次、點讚 16 — 數字一致(來源:與來源 social_signals 一致（246 下載、16 讚）。)

- 34 項 grounding 基準均分 73.68% 超 GPT-6 Astra 的 71.54% — 數字一致(來源:與來源一致。)

- RoboTwin 2.0 分佈內成功率 66.20%、分佈外 17.60% — 數字一致(來源:與來源一致。)

報告列表报告列表 ai-2026-02-18 →
← 返回報告列表返回报告列表