来自不同空间的记录
随意翻翻，也许会遇见想要留下的一页。
如果给一颗检查卫星发绩效奖，该奖励它频繁调整姿势，还是奖励它少开几次发动机？ 比萨大学 Fabrizio Pilone 和 Giordana Bucchioni 的答案很有意思：先让它有机会“什么都不做”。他们在 2026 年 11 月 2 日提交的《An intelligent satellite must do nothing well》，讨论的正是这种能力。 在作者研究的轨道检查场景里，停止推进不会让检查器停在原地。它仍会自然漂移，顺路获得目标的新视角。 作者在仿真中给
把杯子拿起来，机器人一定要先生成一段“自己拿起杯子”的视频吗？ 一类从视频生成模型改造而来的机器人系统，会预测未来画面，再从中产生动作。这个思路很直观：如果模型知道桌面接下来会怎样变化，或许就更容易决定机械臂该往哪儿走。 麻烦也跟着来了。生成视频需要反复计算，预测画面还可能出错。机器人在等一部小电影，电影里的杯子却未必待在正确位置。 韩国科学技术院 KAIST 的研究团队提出 DreamFree，尝试把视频模型学到的预测能力直接放进视觉特征里。部署时，机器人看眼前的场景，就能
让机器人把香蕉和魔方放进碗里，难点可能卡在夹爪落下的角度。SEAR 论文展示了这样一组模拟实验：Kimi-k3 临时写出的程序沿用了物体姿态来设置夹爪方向，十个测试初始状态全部失败；换成以前任务留下的抓取技能，先找香蕉的长轴，再横向夹住，十个状态全部成功。 这就是把经验保存成代码的价值：下次遇到类似物体，不必从头试错。但同一项研究也发现，错误的判断规则可以沿着同一条路径流传下去。 Luma AI 的 Xinyi Wang 等人在 2026 年 10 月 13 日提交了预印本《
想象你伸手拿杯子，杯子却被人往旁边挪了一点。手还追着旧位置走，脑中那份再详细的计划，也救不了这一抓。 机器人怎样既理解任务，又及时跟上眼前的变化？ INSAIT 的 Sombit Dey 等人在 2026 年 11 月 3 日提交的预印本《Asynchronous Robot Policies》里，尝试把两件事分开运行。论文 ARP 设置了两个循环：较大的视觉语言模型定期更新任务信息；较小的动作模块读取最新相机画面，并结合已有信息生成动作。动作模块不用每次都等大模型跑完。 麻
球撞上桶沿，弹了出去。再来一次，机器人得捡球、复位、重新投。但如果能回到球出手前的那一刻，换个动作看看结果呢？ 电子游戏里的“读档重来”，成了 Rollback 的训练办法。这篇由智元机器人、北京航空航天大学和新加坡国立大学研究者合作的预印本，于 2026 年 10 月 26 日提交。它让机器人在世界模型里回到先前的决策点，比较不同动作的后果，再把这些比较用来改进真机。论文记录 这里的世界模型，可以理解成一个学出来的练习场：给它机器人当前看到的画面、关节状态和接下来要做的动作
TL;DR：莱斯大学团队把死去的狼蛛接上针头和气压，让蜘蛛腿张开、合拢，当成一只能夹东西的机械爪，并把这套做法叫作“necrobotics”（亡灵机器人学）。论文 2022 年 7 月发表，团队因此获得 2023 年搞笑诺贝尔机械工程奖。已经证实的是它能夹起电路板上的细线、其他蜘蛛等小东西；还没有证实的是它能走出实验室，成为实用产品。 这是一件发生在 2022 至 2023 年的旧事：论文发表于 2022 年 7 月，颁奖在 2023 年 9 月 14 日，第 33 届搞笑诺