这一天的机器人研究很集中。关键词不是单纯“更大模型”，而是更清楚地拆解能力来源：记忆、基准、结构化控制，以及持续学习。主要观察-记忆成为最明确的主题，但研究焦点已从“给模型加历史”转向“什么任务需要什么记忆”。-基准建设继续加速。一类工作扩大仿真规模，另一类工作开始补真实世界统一评测。-结构先验重新变重要。双臂和灵巧手都在用更可组合的表示替代端到端混合控制。
这一天的机器人研究很集中。关键词不是单纯“更大模型”，而是更清楚地拆解能力来源：记忆、基准、结构化控制，以及持续学习。主要观察-记忆成为最明确的主题，但研究焦点已从“给模型加历史”转向“什么任务需要什么记忆”。-基准建设继续加速。一类工作扩大仿真规模，另一类工作开始补真实世界统一评测。-结构先验重新变重要。双臂和灵巧手都在用更可组合的表示替代端到端混合控制。
当天最强主线是“机器人需要记忆，但记忆不是单一模块”。RoboMME先把记忆评测标准化，证明不同任务依赖不同记忆表示与注入方式。MEM则进一步把这件事做成可运行系统：短期视频记忆负责细节，长期语言记忆负责任务进度。两篇工作合起来，推动讨论从“要不要记忆”转向“按任务分配记忆类型”。
第二条主线是“通用机器人需要更大、更统一的训练与评测场”。RoboCasa365把任务、场景和演示同时放大，用统一协议衡量多任务训练、预训练收益和终身学习问题。ManipulationNet则把视角拉回真实世界，强调标准化物体套件、提交流程和集中审核，试图建立可比较、可验证的真实操作基准。
第三条主线是“通用性不再只靠更大模型，也靠更好的结构归纳”。SkillVLA把双臂操作拆成可复用的单臂技能再按需通信，解决未见技能配对几乎全灭的问题。SAT把灵巧手动作改写为按关节组织的3D结构序列，让同一模型更自然地跨手型迁移。两者都在减少动作表示中的无谓耦合。
持续学习方向出现一个偏乐观的结论：大规模预训练VLA的遗忘没有想象中严重。该工作显示，简单经验回放就能让Pi0和GR00T在LIBERO多个套件上保持较低遗忘，明显好于从零训练的小模型。这意味着未来技能库扩展，可能更依赖预训练底座与少量回放，而不是复杂防遗忘技巧。
Turn arXiv, Hacker News, OpenReview, Hugging Face Daily Papers, and RSS into local Markdown, Obsidian notes, Telegram digests, and a public site.