要点
- Kaedim/projectsim（HF，文内标注 2026-10-30）从 Robot.com 部署演讲出发，梳理通才策略到可部署系统之间仍要付的手工：结果检查、记忆、技能约束与安全。
- VoLo：完整系统 18/42 vs 单策略 6/42；模拟失败里监视器宣称橙子已入碗而橙子仍在桌上。
- 迁移信号：Figure Helix 2.5 在未见过的家庭，Index 预训练使全任务完成 9%→56%；GEN-1.5 一次 3–12 秒演示平均 59%，五分钟数据+十步微调 83%。
- 经验规模：NVIDIA 称 GR00T N1 用 DexMimicGen 11 小时生成 78 万条模拟轨迹（约 6500 小时轨迹时间）；SIMPLER 显示模拟回放排名可优于演示动作预测误差——前提是校准后难度仍在。
在旧金山 Long Horizon，Robot.com 的演讲把「通才模型」和「可上线机器人」之间的缝写得很直白：微调、测试、集成与系统工程仍然大量手工。Kaedim 的 Luca Cilio 在 Hugging Face 社区文（页内日期 2026-10-30）把缝拆开：结果检查会错、技能要服务下一步、仿真必须保留真实难度。
中心判断：即插即用不会仅仅因为策略更通才而自动到来；缺的是可迁移经验与仍诚实的评价/适配闭环。
[1]发生了什么
文章串联近期系统与通才结果：VoLo 在策略外加规划/监视与抓放工具；POT-VLA 维护 3D 物体记录；BATON 记录技能转移约束；Tool-Aligned VLA 让执行器适配被调用方式。另一条线是迁移：Helix 2.5、π0.7 跨本体洗衣、GEN-1.5 物理提示、Skild S1 用第一人称视频。再往后，Recursive Harness Distillation 与 Gemini 4 Argon 演示把部分诊断/试错交给更强 agent。经验供给则落到仿真扩样与 SIMPLER 一类评价。
[1]证据有多硬
硬数字多来自被引工作而非作者新实验：VoLo 硬件 18/42 vs 6/42；Helix 2.5 全任务完成 9%→56%；GEN-1.5 十任务平均 59%（一次演示）与 83%（五分钟+十步）；GR00T N1 报道 11 小时内 780,000 条模拟轨迹。SIMPLER 的主张是：在测试的 Google Robot 任务上，模拟回放对策略排名的跟踪优于在记录演示上的动作预测误差——但作者同时强调未校准控制器会制造假失败。
这是二级综合：价值在选题与对照，不在新基准表。
[1]钢人与缺口
钢人：把「策略强了」与「系统能收工」分开，是对现场团队诚实的问题清单；强调仿真必须保留难度，直接对准假进度。
缺口：社区文章非实验室一作；若干演示（Argon 等）被作者自己标为强提示+工具的策展结果；GEN-1.5/Helix 等数字依赖原论文设置，读者需回查方差与任务时长；「即插即用」仍无统一操作定义。
[1]谁付钱、谁该改问题清单
对部署团队：验收应包含结果监视器错误率、跨步约束、以及 sim-to-real 校准记录，而不是只看通才基准。对实验室：合成数据吞吐量若不能通过「难度保留」测试，规模是负债。对采购：要问交付物是 checkpoint 还是带评价闭环的系统。
[1]六个月看什么
可证伪下一跳：在监视器独立于策略训练的设置里，端到端成功率能否稳定越过「仍失败一半」的 VoLo 区；GEN-1.5 类分钟级适配在第三方厨房/仓库是否可重复；若仿真难度校准被拿掉，SIMPLER 式排名相关是否崩溃。主张不是通才无用，而是：通才只降低起跑成本，即插即用仍取决于经验闭环是否诚实。
[1]