机器人论文收紧评测，并让控制状态更显式
本周机器人论文最突出的点很明确：具身智能论文正在用更严格的评测和更显式的内部结构收紧动作闭环。LongBench、HazardArena 和 HiVLA 很好地体现了这一重点。这些论文更认可这样一类系统：它们在执行过程中显式暴露规划状态、记忆、风险和与任务相关的信号，然后再用具体动作失败和长时程行为来检验这些设计。
主题概况
Memory
状态感知的机器人执行
本周的材料指向了机器人系统构建和测试方式上的几项具体变化。评测正在变得更有诊断性：分阶段进度指标和危险前提条件指标，能暴露汇总成功率看不见的失败模式。控制栈也在转向显式规划器状态，让子任务、grounding、记忆和验证以运行数据的形式穿过整个回路。在实验室自动化里，基于进度的子任务切换现在已经有了足够证据，可以把它当作多步流程中的实用运行时组件。
机器人研究更明确地讨论记忆与机制
这一天的论文数量不多，但信号很清楚：机器人论文正在把内部状态和物理约束讲得更明白。Dual-Anchoring 通过在 Video-LLM 内部监督进度和地标记忆，提升了长时程导航。MM-Hand 在硬件上做了同样的事，量化远程腱路由带来的力和延迟代价，同时保持机械手更轻、更模块化，也更容易加传感器。
Internal State Instrumentation
如果把这一窗口里的机器人工作看成工作流变化，会更有用。一篇论文给出了一套明确做法，把显式进度和地标记忆监督加到 VLN 训练里，并报告了很大的收益且没有额外推理开销。另一篇论文给出了 21-DOF 开源灵巧手在远程腱索布线中的实测力、延迟和维护权衡。两者一起支持一种更广泛的做法变化：在训练和硬件验证时直接跟踪内部状态变量，因为这些测量比最终任务分数更早解释长时程失败。
编码代理的进步来自更紧的反馈循环和更严格的证据
这一时期最清楚的信号是，编码研究正在围绕证据、上下文和反馈收紧控制回路。CollabCoder、仓库压缩研究，以及 SAP HANA 测试生成论文都显示出同一条实用规则：更好的结果来自更有选择性的引导和更严格的检查，而不是让代理在没有约束的情况下跑更久。最强的论文用通过率、延迟或 mutation score 的具体提升支撑了这个判断。
Controlled agent feedback loops
这些证据里能用的模式是：更严格地控制代理能看到什么、下一步尝试哪种修复、以及如何判断输出。仓库工具可以在生成前压缩上下文，因为被引用的研究显示，选择性压缩同时改善了质量和延迟。基于测试的编码循环可以把失败导向计划修复或代码修复，因为这个决定提高了通过率，也减少了重试。生成测试需要在未见过的代码库上使用 mutation score 作为门槛，因为公共基准上的成绩没有延续到 SAP HANA，而单靠编译反馈会奖励更弱的测试。