上海交大 VaM 給機器人加任務進度記憶，連續 4 小時成功率超 95%
VaM（Value as Memory）把價值模型的近期預測作為任務進度記憶輸入動作策略，機器人在紙盒裝配任務中連續自主執行 4 小時，成功率超過 95%。方法基於 π₀.₅ 建置動作專家，用 GRU 編碼歷史價值與本體狀態，價值預測與動作生成非同步計算，策略直接讀取已快取的價值。真機消融顯示，相比去掉價值快取，最終成功率提升 29.4%；線上 RL 方案相比離線方案平均成功率再提升 32.8%，每個梯度步消耗的真實世界時間降低 57.8%。
把連續價值預測直接當作策略輸入來解決長流程中的部分可觀測問題，並給出 4 小時連續執行、成功率提升 29.4% 等真機實測數字，對做真機強化學習與長流程操作的研究者最有用。
原標題：机器人终于有了「任务进度记忆」！连续干活4小时，成功率超95%
閱讀原文
| 評分 | 70 / 76（平均 73，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
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。
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。
白澤通境發布溯因式世界模型 AWM，2bit 量化跑進機器人端側
中科大系公司白澤通境發布溯因式世界模型 AWM，並開源論文與程式碼，配合自研端側推理引擎 BAIZ-RUN 把模型壓進機器人本地執行。AWM 從無標註影片學習，在 Push-T 任務上以 2000 條軌跡達到 75% 成功率，約為 Causal-JEPA 所需資料的七分之一，資料加到 14728 條時成功率約 92%。
Recursia 零樣本長時機器人操作超輝達 ASPIRE 最高 15.1 個百分點
研究團隊提出具身 RSI 系統 Recursia，通過內外雙層迴圈讓機器人從執行經驗中改進共享執行棧，在 LIBERO-Pro Long 零樣本長時操作的位置/任務擾動下成功率達 28.4%/53.4%，比輝達 ASPIRE 高 5.8/15.1 個百分點。共享棧分為工具、技能、交接、驗證四層，候選修改需經通用性檢查、機制測試及父子版本配對比較。
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；