RoboCoach 用世界模型定位薄弱子任務，Franka 真機成功率從 13.3% 升至 75%
RoboCoach 在固定人類示範預算下經過三輪定向補教，把 Franka 長程任務成功率從 13.3% 提升到 75.0%，AgileX 從 40.0% 提升到 83.8%；同樣預算的均勻採集基線只達到 30.0% 與 47.5%。它用基於 Wan2.2 TI2V-5B、約 500 小時互動資料訓練的世界模型 CoachWorld 讓當前策略閉環試跑，由進度判別器找出首個超時子任務，再據此定向示教，並且只更新對應技能的 LoRA 專家。
把整條任務失敗定位到具體薄弱子任務、只補教對應專家，同等示範預算下成功率提升數倍，還給出想像執行與真機表現的相關性，對長程機器人與示範資料採集方向有直接參考價值。
原標題：迈向Physical RSI第一步，具身智能系统RoboCoach如何高效主动纠错？
閱讀原文
| 評分 | 78 / 70（平均 74，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
RoboFoundry 凍結基座模型只進化系統，GPT-5.5 具身成功率升至 72.7%
新加坡南洋理工大學、北航、新加坡國立大學、上海交大等團隊提出 RoboFoundry，把機器人智慧體的整套外圍系統當作策略來進化，基座模型引數保持凍結。在 EmbodiedBench 上，GPT-5.5 的平均成功率從 56.9% 提升到 72.7%，五個基座模型全部提升，基座間最大差距由 19.6 個百分點縮小到約 11.5。長程記憶基準 RoboMemArena 上任務成功率比所有基線至少高 39.0%，真機套娃任務成功率 70%，單獨使用 π0.5 為 30%。
Manifold AI 的 R²SI 登頂 RoboDojo 榜，超越 GPT-6-Astra
Manifold AI 流形空間的 WorldScape R²SI 框架在機器人學習基準 RoboDojo 的 Agent Track 登頂，超過 GPT-6-Astra 與輝達 GR00T-N1.7。該框架由內外雙層 Agent 組成，內層執行任務，外層跨輪次復盤、修訂 Skill 並訓練 reactive model（WSP）。在 push_T 任務中，動作步數從首輪 723 步（超出 600 步預算）降至 596 步，再降至 389 步，降幅約 35%。
新基準 VA-Bench 測 12 個多模態模型，完整任務成功率約一半
VA-Bench 用 14 類機器人操作任務、280 個物理驗證場景測試 12 個主流多模態模型，發現目標識別與定位可達 100%、操作語義理解接近 100%，但完整任務成功率最高的 Qwen3.8-max、Opus-5、GPT-5.6-sol 分別只有 53.93%、52.86%、51.55%。測試中模型先觀看成功示範影片，但拿不到物體座標與專家軌跡，需自行決定是否消耗步數切換視角，並直接給出移動距離、旋轉角度與夾爪開合時機。
LoopWAM 登頂 RoboChallenge 真機榜，已開源
清華、原力靈機與極寰時代聯合研發的世界動作模型 LoopWAM 登頂真機評測榜 RoboChallenge Table30 V2，成功率與過程分均列第一。它把成功、次優與失敗軌跡一併納入訓練，靠品質加權監督從部署經驗中自提升，三輪閉環把 30 項任務的成功率從 23.67% 提到 43.33%，過程分從 36.10 升到 56.80，且無需額外專家演示或強化學習。所有評測模型均由阿里雲 PPU-810E 國產卡訓練；
董豪團隊提出 HIL-UMI：人類示範時即可採集機器人後訓練資料
董豪團隊聯合啟元機器人、北京大學、西安交通大學提出 HIL-UMI：人手持夾爪示範時，模型同步預測動作並標出與人類操作的分歧，從而在不執行機械臂的情況下采集後訓練所需資料。該方法以 π0.5 為基礎模型，在 Franka 機械臂上測試整理桌面、折毛巾、疊方塊、蓋章四項任務，三輪更新後平均任務進度分數從 62.3 升至 94.8，同等資料量下常規 SFT 僅從 44.3 升至 58.0。整理桌面任務中其採集效率為 HG-DAgger 的 5.63 倍，最終得分 96 比 91。