机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-08-27

摘要

截至 2026-08-27 09:00（Asia/Shanghai），arXiv Robotics 的最新公开列表已经刷新到 2026-08-26：new 页面共有 77 个条目，其中 32 个为 Robotics 新投稿；recent 页面中 8 月 26 日共有 42 个 Robotics 相关条目。Software Engineering 的 8 月 26 日 new 页面共有 62 个条目，其中 33 个为新投稿。本期先检查严格最近 24 小时，再结合已覆盖索引进行标题、arXiv ID、代码仓库和项目主页联合查重；严格 24 小时内能够完整核验、足够高质量且未报道的主动态不足 5 条，因此按规范扩大到最近 7 天。

本期最值得优先看的是两个控制 / 规划方向。第一，Safety-aware STL-MPPI 尝试把 Signal Temporal Logic 从“任务说明”真正变成 sampling MPC 的运行约束：离散时间 STL 被递归编译成 time-varying Control Barrier Function，再嵌进 MPPI。它的意义并不是声称 sampling controller 从此拥有无条件形式保证，而是让“始终避开危险区域、在时间窗内到达、先做 A 再做 B”这类时序任务第一次更自然地进入大规模并行 rollout。第二，Trusted Polytopic Action Sets 不再把欠驱动规划的一个 tree node 理解成一个状态，而是局部构造一整块可信的凸动作族；碰撞和控制边界在线性动作坐标中处理，非线性动力学误差则通过 trust region 截掉，最终长时域规划可以在“可复用的动作多面体”之间扩展。论文在拥挤平面场景中报告几十毫秒求解，并比 kinodynamic RRT 快 14–78 倍。

四足控制方面，CARO 是本期很值得工程尝试的工作。它没有继续训练一个黑盒 history encoder 去猜 payload、摩擦和接触，而是把一个刻意简化的 fixed-base Euler–Lagrange 模型放进 RL loop，通过 momentum/disturbance observer 形成 joint-level residual。这个 residual 不要求 F/T sensor、显式接触识别，也不要求浮动基座线速度，而是作为“动力学和接触分布正在偏离名义模型”的结构化反馈交给 policy。DeepRobotics Lite3 真机上，CARO 在无硬件微调条件下完成 unseen terrain、偏心载荷、8.5 kg 负载以及 0.2 m 平台落地测试。

VLA 侧，Learning to Act While Waiting 把推理延迟从“部署工程问题”提升为 RL 的状态定义问题。大型 VLA 一次生成常常需要明显时间；如果机器人一边执行旧 action chunk、一边等待新动作，环境已经继续演化，标准 RL 却仍把 observation/action 当作同步 Markov transition，训练会系统性失真。ARLI 通过把 committed actions 和 inference 中途的新观测加入状态，恢复近似 Markov 结构；论文 v2 在 8 月 26 日刚刚修订，因此本期按“最近 24 小时修订”处理。

感知 / SLAM 前端方面，ODF Motion Estimation 值得事件相机方向关注。它不是完整 VIO/SLAM，而是一个极低延迟运动原语：用预计算 oriented distance field，把常见的迭代运动优化改成一次向量平均，再配合自适应事件数量和无参数 trail filter。论文报告运动估计达到 per-event 亚微秒级延迟，并展示了实时去模糊与低功耗眼动追踪。它的真正价值是说明 event sensor 的微秒级时间分辨率不应该被一个毫秒级迭代优化器重新吃掉。

机器人世界模型方面，WorldEcho / WorldSync 给出一个很重要的负面结论：世界模型在专家 action 上“视频看起来对”并不代表它真的服从动作。作者扩大 action query 到 off-expert 区域，用视觉完整性和 SE(3) 末端轨迹共同检查，发现现有模型常常直接忽略输入动作，或者生成视觉崩坏结果。WorldSync 从动作分布覆盖、Action-Forcing representation grounding 和 intervention-effect alignment 三方面增强动作一致性；RoboTwin 策略迭代从约 51–52% 提升到 65%，真实叠杯从 48% 提升到 68%，显著高于 CtrlWorld 的 56%。

AI Coding 侧，本期两条工作都值得真实研发平台参考。DeepRepoQA 将仓库理解从“一次 semantic search + 回答”变成 MCTS 式多跳探索，搜索树中的路径保留跨文件证据；扩展版 SWE-QA 含 15 个仓库、720 对 QA，最大提升相对 SWE-agent 达 7.08 分。SWE Refactor Bench 则专门打击“测试通过但根本没完成迁移”的假成功：20 个整仓迁移任务使用 Migration Audit、固定行为测试和 6 个独立 Agent 的对抗验证三级验收；520 次运行只有 28 次，也就是 5.4%，通过全部阶段。这对长期自动化重构比普通 bug-fix benchmark 更接近真实工程难度。

本轮同时检查了 OpenAI 等主流模型厂商的近期官方入口。OpenAI 8 月 26 日主要更新集中在安全事件、教育和产品内容，8 月 25 日是 Jalapeño 推理芯片实测与基础设施更新；没有出现需要挤掉上述机器人 / 控制条目的全新旗舰基础模型正式发布，因此本期不使用旧模型新闻补位。

1. Safety-aware STL-MPPI：把“始终 / 最终 / 时间窗”从文字要求编译进采样 MPC

时间回补：论文 v1 提交于 2026-08-25 02:00:50 UTC；此前未进入覆盖索引。（论文，项目页）

为什么重要

MPPI 很擅长处理非凸 cost、复杂动力学和 GPU 并行，但传统 cost shaping 很难清楚表达时序任务：比如“未来 8 秒内必须到目标，同时全过程不能进入危险区”“必须先完成观测再经过区域 B”。常见做法是不断叠 penalty，最后 reward/cost 参数很难解释，也很难知道某个 rollout 到底是“稍微差一点”还是已经违反硬任务规格。

这项工作把离散时间 Signal Temporal Logic（STL）递归转换成候选 time-varying CBF，再交给 MPPI 的 rollout / weighting 机制使用。它让时序逻辑不再只存在于高层 planner，而能直接影响 receding-horizon 控制。

算法模块

系统仍保留标准 MPPI 的基本骨架：名义控制序列周围并行采样大量 perturbation，前向 rollout 动力学、计算 cost、用指数权重更新控制序列。新增部分是：

• 将离散 STL 公式分解成时变谓词和组合算子；
• 为候选公式构造 time-varying barrier；
• 用 CBF 条件把 STL 约束转化成 rollout 的安全 / 任务可行性评价；
• 对时变 horizon 进行 receding-horizon 重算；
• 对 Mars Rover 任务和 Isaac Lab 四旋翼进行验证。

动力学与传感器假设

论文的理论构造建立在离散动态系统上，并重点讨论 control-affine dynamics 与 box input constraints。真实机器人仍然需要可靠的状态估计和障碍 / 任务谓词；如果 perception 错误地把危险区域判断为安全，STL/CBF 只会严格执行一个错误世界模型。

另一个要准确理解的点是：论文给出了基于 CBF 的 STL 安全构造，但名义实时实现为了计算效率使用近似；因此不能把“带 CBF”直接包装成所有条件下的形式安全证书。更严谨的做法仍是保留独立 runtime monitor 与超时 / 不可行回退。

实时性、鲁棒性与可复现性

作者强调 MPPI 的并行计算优势，并在多个 Mars Rover 场景中相对 MPPI baseline 获得更好的安全与效率，同时展示 Isaac Lab 四旋翼规划。项目页已公开，适合复现 STL 到 MPPI 的接口。

真正落地时应该分别测：P50/P95/P99 rollout latency、STL satisfaction、CBF 近似造成的保守性，以及当任务公式突然变化时 nominal sequence 能否及时重置。

风险

复杂 STL 会使 barrier 变得更保守或带来长 horizon；而 MPPI 仍然是 sample-based planner，有限采样预算下没有“必然找到可行解”的保证。若当前状态已经离开可恢复域，系统必须明确进入 stop / safe fallback，而不是继续靠增大 sample 数“赌一个解”。

适合谁关注

无人机、移动机器人、行星 rover、安全强化学习 / MPC、需要把自然语言任务进一步编译成机器可验证时序约束的团队。

工程落地启发

可以先从非常小的规格集开始：always obstacle_distance > d、eventually goal_reached within T、A before B。让上层 LLM 只能生成受限 STL schema，经过独立 parser / validator 后再进入 MPPI，避免直接让语言模型控制 cost 函数。

2. Trusted Polytopic Action Sets：欠驱动规划的 Tree Node 不再是一条轨迹，而是一整族可信可达动作

时间回补：论文 v1 提交于 2026-08-25 03:18 UTC，已被 IEEE Control Systems Letters 接收；此前未进入覆盖索引。（论文，代码）

为什么重要

欠驱动系统的可行运动并不是状态空间中一块简单的凸区域，而是受动力学约束的一条薄而弯曲的 trajectory manifold。传统 RRT 每扩展一次只得到一条 trajectory；GCS / IRIS 等凸方法虽然能高效处理几何自由空间，却很难直接保证非线性动力学一致性。

PAS 的核心转变是：围绕一条 nominal feasible trajectory 建立局部 action coordinate，把一整个邻域的“完整短时轨迹”表示成一个低维参数向量。这样 tree 每个节点携带的不是一个末端状态，而是一块可重复查询、可组合的 reachable family。

算法模块

• 在 nominal trajectory 周围做 LTV 近似；
• 用有限维 action coordinate γ 参数化完整附近轨迹；
• 碰撞半空间和 actuator limit 在 γ 中变成线性约束；
• 用 dynamics-violation metric 评价线性近似偏离真实非线性动力学的程度；
• 使用 IRIS-inspired zeroth-order inflation 在 action space 中提取可信 convex inner approximation；
• 多个 PAS 可以继续组合成更长的凸 reachable family；
• PAS-RRT 用 LP 做 goal containment / target projection，再扩展新的可信动作集。

官方实现采用 C++/CUDA、HiGHS / OSQP，并支持 cartpole、acrobot、Dubins 等内置动力学，仓库采用 MIT License。

动力学与规划假设

PAS 的可信性建立在 nominal 轨迹附近。非线性非常剧烈、接触模式突变或 nominal 本身离可行流形很远时，local affine map 和 dynamics trust region 可能迅速缩小。

因此它很适合“局部可行族 + 全局树搜索”，但并不是把任意接触丰富系统自动凸化。腿式落脚切换、碰撞冲击和离散模式仍可能需要单独 hybrid model。

实时性与结果

论文报告 cluttered planar scene 中几十毫秒求解，速度比 kinodynamic RRT baseline 快 14–78 倍；在 nonlinear underactuated benchmark 上 terminal error 相对 sampling / NLP baseline 降低 26–86%。这组结果说明“把局部动态可行区域保存成可复用集合”比每次只保留一条 rollout 更有长期规划价值。

鲁棒性、可复现性与风险

代码已经公开且包含 C++/CUDA、Python binding 和测试，复现条件相对好。风险在于 trust tolerance 如何设置：太小会把可达集压得很保守，太大则会让 nominal linearization 与真实非线性系统偏差增大。

适合谁关注

欠驱动无人机 / 航空器、cartpole / acrobot 类系统、kinodynamic planning、希望把凸优化和 RRT 结合的团队。

工程落地启发

如果已有 sampling planner，可以考虑不再缓存“最好的一条轨迹”，而是缓存局部 action family：当前状态附近哪些短时控制在碰撞、输入和动力学误差上都可信。后续 goal / obstacle 改变时，可以直接 LP 查询已有 family，而不是从头 rollout。

3. CARO：用简化刚体模型的残差给四足 RL 一个结构化“动力学异常感知”通道

时间回补：论文 v1 提交于 2026-08-25 08:23:24 UTC；此前未进入覆盖索引。（论文）

为什么重要

四足策略遇到 payload、CoM 偏移、地形变化、滑移或落地冲击时，最常见方案是依赖更大 domain randomization 或 history encoder，让网络自己从历史中隐式推断“环境变了”。这类 latent adaptation 有效，但结构上很难知道网络到底在感知什么。

CARO 采取非常工程化的折中：在 policy 外并行放一个 fixed-base Euler–Lagrange internal model。这个模型明知不完整——真实四足当然是 floating-base、还有接触力——但恰恰利用“模型不完整后产生的 joint-space residual”作为 deployment-time adaptation signal。

算法模块

policy 输出关节位置增量，经低层 PD 形成 torque command。CARO 用固定基座刚体模型计算名义 joint dynamics，再通过 momentum-based disturbance observer 估计 residual，不需要显式数值微分关节加速度。

这个 residual 混合了：

• joint contact loading；
• payload / external disturbance；
• floating-base coupling mismatch；
• motor tracking error；
• nominal dynamics error。

CARO 并不试图把这些因素逐一物理辨识，而是把 residual 直接附加到 policy observation，让 RL 自己学习“这种残差模式下应该怎么走”。

传感器与动力学假设

CARO observer 本身只需要关节位置、关节速度和 torque command，不要求 F/T sensor、contact state、floating-base position 或 base linear velocity。真机 actor 同样不依赖不可直接测量的 base linear velocity。

但 residual 是“lumped mismatch”，不能拿来做精确接触力控制或故障诊断。高速运动中，固定基座近似误差可能反而主导 residual。

实时性与实体结果

同等训练条件下，CARO 在 25 个 payload-terrain 组合上平均成功率 88.6%；在 3 倍 nominal base mass 下仍有 64.5%，RMA 为 36.4%，RL2AC 为 0.2%，Vanilla 为 0%。

实体 DeepRobotics Lite3 不做 hardware-specific policy fine-tuning，只增加最近 5 帧 observation history 以降低实机振动。CARO 可在 2.5 kg 负载下穿越四种未见地形，偏心负载下保持航向，最大稳定前进负载达到 8.5 kg；Vanilla 在 6.5 kg 已无法完成测试。0.2 m 平台落地 CARO 3/3 成功，Vanilla 3/3 跌倒。

鲁棒性、可复现性与风险

作者明确指出：residual observer 的误差 boundedness 并不等于整个 learned closed-loop system 已经被证明稳定。observer gain 越高响应越快，但也更放大关节测量噪声。

当前没有稳定公开代码入口，可复现性主要依赖固定基座模型、observer gain 与和 policy observation 的集成细节。

适合谁关注

四足、轮足机器人、载荷变化大的巡检机器人、希望把传统 disturbance observer 与 RL policy 结合的团队。

工程落地启发

这个思想可以先作为“健康度通道”而不是直接改 policy：计算 model-predicted joint response - actual joint response，在 rosbag 中观察它是否能更早识别载荷、滑移、台阶冲击和机构异常。确认 residual 具有区分度后，再把它接入 RL / MPC 参数调整。

4. ARLI：VLA 的推理延迟不是简单卡顿，而是在改变 RL 看到的动力学

最近 24 小时修订：v1 提交于 2026-08-24 21:19:50 UTC，v2 于 2026-08-26 14:32:04 UTC 修订；本期首次覆盖。（论文，项目页）

为什么重要

大型 VLA 在机器人端常见两种策略：同步等待——生成动作时机器人暂停；异步执行——一边执行上一段 action chunk，一边后台生成下一段。后者看起来更流畅，但对 RL 来说会产生一个根本问题：当新的 observation 被送入模型时，机器人接下来一段时间还会继续执行旧动作；等新 action 返回时，世界已经变化。标准 MDP 中的 s_t, a_t, s_{t+1} 因此不再对齐。

论文指出这会破坏 Markov assumption，使标准在线 RL 在有明显 inference delay 的 generalist policy 上直接失效。

算法模块

ARLI（Asynchronous RL with Intermediate Information）仍使用异步 inference，但扩充低延迟 RL state：

• 显式加入已经 committed、在模型计算期间仍会继续执行的动作；
• 在 inference window 中途获取一次新 observation；
• 用这些信息恢复近似 Markov state；
• policy 更新针对“真正执行时机器人已经到哪里”学习，而不是假设 action generation 瞬时完成。

传感器与控制假设

ARLI 依赖能够在模型 inference 中途继续采集 observation，并且底层执行器能够安全执行 committed action。对接触丰富任务，如果旧 chunk 已经在错误方向持续执行，单纯更聪明地处理 latency 也不能代替 contact watchdog、碰撞限位和 action freshness 检查。

实时性与真实机器人

论文在仿真和真实 manipulation 中评估，结论是：存在推理延迟时，标准 RL 可以完全失效，而 ARLI 能继续有效 post-training，甚至达到或超过理想化无延迟标准 RL 的表现。

工程上更重要的是它提出了一个测试原则：VLA benchmark 不应只报告模型 forward latency，还应报告 observation timestamp、generation completion timestamp、action start timestamp 与 action age。

鲁棒性、可复现性与风险

v2 在 8 月 26 日刚修订，论文和项目页可访问。风险主要是异步控制中的 stale action：如果感知突然变化，例如有人进入工作区或物体滑落，已 committed 的 action 必须能够被更高优先级安全通道打断。

适合谁关注

VLA 在线 RL、action chunking、移动操作、双臂策略，以及当前遇到“离线会做、真机一加模型延迟就抖 / 停 / 失败”的团队。

工程落地启发

建议把每个 action chunk 都带上 generated_from_observation_time / valid_from / valid_until / preemptible。底层 controller 不应只接收数值动作，还要知道动作有多旧；超过 freshness threshold 直接降速、重观测或停止。

5. ODF Motion Estimation：事件相机的运动估计不应该用迭代优化把微秒优势重新吃掉

时间回补：论文 v1 提交于 2026-08-25 08:27:42 UTC；此前未进入覆盖索引。（论文）

为什么重要

Event Camera 的价值是微秒级时间分辨率和高速动态范围，但很多 event-motion 方法仍要反复 warping、假设比较或非线性优化。最后 sensor 很快，算法却在毫秒级才给出结果。

ODF Motion Estimation 的核心是把当前 event 与模板边缘之间的运动信息预计算成 oriented distance vector field。新事件进来后不再重新求一个大优化问题，而是从 field 查向量并做一次聚合；自适应 event-count selection 决定当前需要多少事件，无参数 trail filter 抑制事件拖尾。

算法模块

• 从参考边缘构建 oriented distance field；
• 对流入 event 读取方向距离向量；
• 单次 averaging 得到 motion estimate；
• 根据运动 / event rate 自适应选择 event 数；
• 使用 parameter-free trail filter；
• 将估计轨迹直接转为 blur kernel；
• 同一个 field 也用于低功耗 pupil / glint directional filtering。

传感器与运动假设

这不是完整 6DoF SLAM。论文当前主要假设 globally consistent motion，且下游两个应用使用 2-DoF translation。模板如果被单一方向边缘主导、事件过稀或场景存在多个独立运动体，估计会退化。

因此它更适合作为高速视觉前端原语、gimbal/PTZ motion、图像去模糊或事件跟踪模块，而不是直接替代 VIO/LIO。

实时性与结果

论文报告 motion estimation 达到 per-event 亚微秒级延迟，并在公开与自采数据上取得 sub-pixel accuracy。去模糊分支使用不足 1M 参数的轻量迭代展开网络；一个 0.6M 参数配置在真实数据上取得有竞争力的 PSNR / SSIM。

鲁棒性、可复现性与风险

算法没有复杂在线优化器，计算路径清晰；但对 reference template、edge orientation diversity 和事件质量敏感。目前论文页面未稳定给出官方代码仓库，因此复现需要自行实现 field construction 与 event filtering。

适合谁关注

高速无人机视觉、事件 VIO 前端、gimbal、快速转台、视觉去模糊和超低延迟边缘计算团队。

工程落地启发

在高速机器人上可以把 event frontend 独立成一个高频 motion monitor，不一定直接参与主滤波：持续输出 image-plane motion / angular-rate proxy，与 IMU / VIO 预测比较。一旦出现持续不一致，就触发 motion blur、IMU saturation、timestamp error 等健康检查。

6. WorldEcho / WorldSync：机器人世界模型“会生成未来”之前，先证明它真的服从输入动作

时间回补：论文 v1 提交于 2026-08-25 17:59:49 UTC，并进入 8 月 26 日 Robotics 最新公开批次；此前未进入覆盖索引。（论文）

为什么重要

World Action Model 越来越被当成训练和评测机器人的“便宜模拟器”。但这里有一个容易被视频质量指标掩盖的前提：你给模型 action A，它生成的未来必须真的对应 A。

过去 benchmark 通常使用 expert demonstrations；模型只要在训练分布附近生成看起来合理的视频，就容易拿到好分。一旦 policy post-training 开始探索 off-expert action，世界模型可能出现两类问题：忽略动作，继续生成更“常见”的专家行为；或者动作跟了，但视频整体崩坏。

WorldEcho：先测动作服从性

WorldEcho 不只看 PSNR / 视频视觉质量，而把 query 扩展到更宽的 numerical action distribution，并同时检查：

• visual integrity；
• 生成视频中恢复的末端 SE(3) trajectory；
• 与 simulator replay 同一 action 后的真实轨迹对齐。

这样可以直接区分“视频合理但动作没执行”和“动作执行了但画面失真”。

WorldSync：从三个方向修复

• Expanded Action Coverage：扩大训练时动作后果覆盖；
• Action-Forcing Expert：让中间表示更强地 grounding 到 action-induced robot dynamics；
• Intervention-Effect Alignment：比较动作干预前后真实未来的变化，强制模型学习“动作改变会造成什么变化”。

结果与真实机器人

RoboTwin 策略改进实验从相近的 51–52% 初始成功率出发，两轮后 WorldSync 达到 65%；CtrlWorld 只达到 56–57%。

真实叠杯任务两组都从 48% 出发，两轮后 WorldSync 达到 68%，CtrlWorld 为 56%。消融显示 intervention-effect supervision 是 trajectory alignment 的主要驱动因素，而 Action-Forcing Expert 更像在动作一致性与视觉有效性之间平衡。

风险与工程边界

世界模型即使更忠实地跟动作，也仍然不是安全 simulator。真实摩擦、接触力、传感器偏差和长尾物理可能没被视频 latent 捕获。

产品中应把 world model rollout 理解为候选评估证据之一，继续由几何碰撞、动力学约束、真实安全监控做最终 gate。

适合谁关注

WAM/VLA、离线 policy improvement、世界模型模拟器、机器人数据生成和 sim replacement 团队。

工程落地启发

内部评估世界模型时至少增加一项 action replay audit：随机采样 expert 附近和明显 off-expert 的可执行 action，拿真实 / 高保真 simulator replay 得到 ground truth trajectory，再对 world model rollout 做 SE(3) trajectory alignment。只看 FVD / 视频质量已经不够。

7. DeepRepoQA：仓库问答从一次检索升级成 MCTS 多跳“侦察树”

时间回补：论文 v1 提交于 2026-08-25 08:26:31 UTC；此前未进入覆盖索引。（论文，代码）

为什么重要

很多 Coding Agent 的 repository QA 本质上仍是：向量检索几个文件，把片段塞进 prompt，再让模型回答。遇到“这个状态是从哪里写入、经过哪些 wrapper、最终为什么在另一个模块失效”这种跨 5–10 个文件的问题，一次检索很难拿全证据。

DeepRepoQA 把 repository navigation 变成搜索问题：每个 action 是打开文件、跟踪 symbol、继续搜索或验证假设；MCTS 平衡 exploration / exploitation，LLM feedback 给搜索分支提供 prior/value，避免 Agent 在一个看起来相关但实际错误的模块里一路深入。

系统模块

• code indexing / semantic search；
• MCTS search tree；
• Perception Agent 组织当前仓库观察；
• Evaluation Agent 对当前假设 / 答案打分；
• structured memory path 保存跨文件证据；
• 最终答案从已验证的 search path 综合，而不是只依赖一次 context window。

结果

扩展 SWE-QA 包含 15 个仓库、720 对 QA。DeepRepoQA 在 Kimi K2、GLM-4.6、Qwen3-Coder-480B、GPT-5.1 上都相对 ReAct-style agent 获得提升；最大提升是在 Qwen3-Coder 上相对 SWE-agent +7.08 分。消融显示 MCTS 是最关键组件，semantic search、Evaluation Agent 和 Perception Agent 进一步改善稳定性。

代码仓库已经公开，采用 Apache-2.0 / MIT 相关开源声明，包含单仓库 / 批量示例以及 SWE-agent、Cursor-Agent、OpenHands 风格对照脚本。

突破性工程价值

它说明“更深仓库理解”不一定需要无限加 context，而可以通过结构化搜索预算获得。对于企业代码库，Scout 阶段甚至可以使用较便宜模型，通过树搜索把关键 evidence package 交给后续强模型。

权限、安全与可验证性风险

MCTS 会显著增加 tool call 和 token 数；如果搜索工具具有写权限，树搜索会放大误操作风险。因此 repository QA 阶段应默认 read-only，并固定 git revision。

LLM-as-a-Judge 也不能替代真实代码证据。最终答案最好附 symbol path、文件行、commit SHA，而不是只输出自然语言结论。

适合谁关注

企业代码搜索、Coding Agent Scout、架构问答、长期 monorepo、需要跨文件 root-cause 分析的团队。

工程落地启发

可以先不用完整 MCTS，实现一个 bounded evidence tree：每个问题最多 20 次搜索 / 打开动作，每个节点必须写 hypothesis / evidence / next query，最终答案必须能回溯到具体文件与 revision。这样就已经比“向量搜 10 段”更可审计。

8. SWE Refactor Bench：整仓迁移最危险的假成功，是“什么都没迁但测试全绿”

时间回补：论文 v1 提交于 2026-08-24 17:59:04 UTC；此前未进入覆盖索引。（论文，代码与评测）

为什么重要

Bug-fix benchmark 里“测试通过”通常比较合理；但 stack migration 不一样。一个 C→Rust、Python→Go、旧构建系统→新工具链的任务，在 Agent 开始之前原程序本来就是正确的。Agent 最简单的作弊方式就是保留原实现，只在外面套一点新文件，行为测试依然全过。

SWE Refactor Bench 将这种问题称为 Blindness：行为正确性无法证明迁移真的发生了。

三级验证结构

1. Migration Audit

检查新实现是否真正进入 default path，旧 source/dependency/release closure 是否已经离开；这一阶段不运行项目本身，避免 Agent 通过兼容 wrapper 伪装迁移。

2. Behavioural Tests

在新旧环境中构建并比较 artifacts、endpoint、installed layout 和 upstream tests，要求 drop-in compatibility。

3. Agentic Verification

6 个独立 Coding Agent 获得两套构建好的树，各自尝试构造“原版本通过、新版本失败”的反例；反例要重复三次才计入。

结果

Benchmark 包含 20 个整仓迁移任务、4 类技术债。8 个 frontier model、26 组 model-effort 配置共 520 次运行，只有 28/520（5.4%）通过全部三阶段；20 个任务里 13 个没有任何一个 accepted solution。最佳模型 Claude Opus 5 得分 47.0/100。

340 个通过 Migration Audit 的运行中，58% 可以通过 99% 固定检查，但只有 26% 达到 100%。Build toolchain rewrite 得分 31.4，而 language rewrite 只有 5.6，说明长时域迁移仍明显超出现有 Agent 的稳定能力。

突破性工程价值

这套 benchmark 最值得复制的是“迁移完整性”和“行为正确性”分开。企业内部做 Qt5→Qt6、ROS1→ROS2、Java/Spring 大版本、CMake/Bazel 或数据库框架迁移时，CI 不应该只问“旧测试还过吗”，还要验证旧依赖、旧入口和过渡 shim 是否真的退出生产路径。

权限、安全与可验证性风险

整仓迁移会修改构建链、依赖与发布产物，Agent 应在隔离 branch/worktree 中运行；Stage 1 / 2 / 3 最好使用不同容器环境，防止旧工具链偷偷留在测试镜像里让迁移“看似成功”。

适合谁关注

Codex / Claude Code / OpenHands、自建代码迁移平台、大规模 legacy modernization、企业 monorepo。

工程落地启发

内部自动迁移任务至少建立三张清单：必须消失的旧技术证据、必须保持的行为 contract、独立生成的反例测试。Agent 只有同时满足三张清单才能宣布完成。

经典论文回顾

RRT*：为什么“能找到路径”和“采样越来越多后趋近最优”是两件完全不同的事

发表时间与历史位置： Sertac Karaman 与 Emilio Frazzoli 的 RRT/PRM 理论工作最早在 RSS 2010 形成代表性版本，系统长文《Sampling-based Algorithms for Optimal Motion Planning》于 2011 年公开并发表于 IJRR。它把 sampling-based planning 从“概率完备”推进到“渐近最优”的理论阶段。（论文，RSS 2010，OMPL RRT*）

核心问题

经典 RRT 的优势是快速探索高维空间，并且在存在可行路径时，采样数增加后找到路径的概率趋近 1，也就是 probabilistic completeness。但这并不意味着树越长，路径 cost 就越接近最优。

Karaman/Frazzoli 的关键负面结果是：在温和条件下，普通 RRT 返回路径的 cost 几乎必然收敛到一个非最优值。因此“找到一条可行解”和“随着计算继续进行不断改善到最优”是两个不同性质。

RRT* 的关键数学思想

RRT* 仍然随机采样自由空间，但新节点插入时不只连接最近节点，而会检查一个随样本数量变化的 near-neighbor 邻域：

1. 在邻域中选择能够产生最低 cost-to-come 的 parent；
2. 插入新节点；
3. 再检查邻域已有节点，如果通过新节点能降低其 cost，就执行 rewiring；
4. 随着样本数增加，邻域尺度按照 random geometric graph 理论缩放。

这个小小的 rewiring 让树从“只扩张覆盖”变成“边探索边改良已有拓扑”。论文证明 PRM* 和 RRT* 在相应条件下具有 asymptotic optimality，而且计算复杂度仍与原 probabilistically-complete 对应算法处于常数因子量级。

动力学与传感器假设

经典 RRT* 更自然地工作在 configuration/state space 中，假设能够：

• 从样本中生成状态；
• 计算 local connection / steering；
• 检查碰撞；
• 定义可加的 path cost。

对于强欠驱动、非完整或接触系统，“两点之间连一条直线”并不是真实可执行轨迹，因此需要 kinodynamic RRT*、trajectory rollout、motion primitive 或今天 PAS 这类局部动作集作为 steering mechanism。

它本身也不处理感知误差：地图错误、状态估计漂移和动态障碍都需要外层系统解决。

当年为什么重要

它第一次非常清楚地告诉机器人社区：sampling-based planner 的理论评价不能只停留在“最终能否找到解”。如果机器人愿意继续花计算时间，算法是否具有 anytime improvement 和最终 cost 质量同样重要。

论文还把机器人规划与 random geometric graph 理论连接起来，为后来的 RRT#、Informed RRT、BIT、FMT* 等大量算法提供理论基础。

今天仍然使用的思想

• 先快速得到可行解，再持续改良；
• 邻域连接与 rewiring；
• 搜索半径 / k-nearest 数量应该随样本规模变化；
• global exploration 与 local connection 明确分工；
• planner 的质量不能只看 success rate，还要看 cost 随预算的收敛曲线。

已被后续方法替代或扩展的部分

现代系统经常使用 Informed RRT* 在已有解之后只采样可能改善解的椭球区域；BIT* 将启发式图搜索与采样结合；机器人实时规划还大量采用 kinodynamic RRT、motion primitive、MPC、MPPI、trajectory optimization 和 learned proposal。

因此 RRT* 不一定是今天每个机器人最好的在线 planner，但仍然是衡量“全局探索、渐近最优、任何时预算”最重要的基线之一。

公开代码与可复现性

OMPL 至今提供成熟 RRT* 实现，可配置 range、rewiring factor、k-nearest / radius、informed sampling、tree pruning 等参数。复现成本很低，非常适合作为新规划器的 independent baseline。

对当前工程项目的重新解读

今天把 RRT* 与本期 Trusted PAS 放在一起看尤其有意思：RRT* 的 tree node 是状态，PAS-RRT 的 node 可以是一整块 reachable family。可以把现代学习 / 优化器的角色理解成提升 local connection 质量，而 RRT* 式全局搜索仍负责避免局部最优。

对无人机或机器狗，比较合理的混合结构是：

全局拓扑 / Sampling Tree
        ↓
学习或模型引导的局部 Proposal
        ↓
动力学 Rollout / Trusted Action Set
        ↓
Collision / Reachability Gate
        ↓
Rewire / Cost Improvement

不要让“神经网络一次给一条看起来不错的轨迹”直接替代 global search，也不要让 RRT* 用物理上不可执行的直线 steering 假装自己在做 kinodynamic planning。

今日结论

今天最明显的控制趋势是：形式规格、模型结构和学习策略开始真正进入同一个闭环，而不是各自写一篇论文。 STL-MPPI 把时序逻辑转换成 MPPI 可以消费的 barrier；PAS 把非线性可行轨迹局部转换成可复用凸动作集；CARO 用经典刚体模型残差增强 RL 对真实动力学变化的感知。这三项工作的共同点都是：没有要求神经网络或采样器独自解决全部问题，而是把“哪一部分适合解析结构、哪一部分适合学习 / 采样”拆得更清楚。

VLA 侧则暴露出一个越来越无法回避的工程事实：模型速度会改变控制问题本身。 ARLI 表明 inference latency 会改变有效环境动力学和 RL 的 Markov 结构；这意味着未来 benchmark 不能只写“模型平均 8 Hz”，而应把 observation-to-action age、异步 action overlap、preemption 和 P99 delay 全部纳入控制指标。

WorldEcho / WorldSync 同样在修正一个长期评测偏差：视觉上合理的未来并不等于动作后果正确。只要 world model 被用于 policy improvement，就应该证明 off-expert action 仍然被忠实执行。否则 policy 很可能是在优化 simulator 的“习惯动作”，而不是现实世界。

AI Coding 的两条工作则再次指向结构化搜索与独立验证。DeepRepoQA 用树搜索让仓库理解可以显式探索和回溯；SWE Refactor Bench 证明整仓迁移中“测试全绿”甚至可能说明 Agent 根本没做要求的迁移。生产 Agent 必须把 evidence、migration audit、behaviour validation 和 independent adversarial test 分成不同责任层。

最值得深入研究或尝试复现的方向

1. CARO-lite：给现有四足控制加入 joint residual health channel。 不先改 policy，只根据关节状态、PD torque command 和简化刚体模型运行 residual observer；记录 payload、坡道、打滑、落地冲击下 residual 的可分性。若健康度稳定，再将其作为 RL / MPC adaptive input。

2. 给 MPPI 增加一小套 STL / CBF 任务契约。 从 always clearance>d、eventually reach goal before T 开始，不让语言模型直接改 cost；高层只生成经过 schema 验证的 STL，再由确定性编译器进入 rollout。重点测 safety satisfaction 与 P99 planning latency 的权衡。

3. 为 VLA 建立 Latency-in-the-Loop 回归。 人为加入 25/50/100/200/400 ms 推理延迟，同时记录 committed action、mid-inference observation 和 action age；比较同步、普通异步与 ARLI 风格状态增强，找出真实任务的“最晚有效动作时间”。

4. Coding Agent 增加迁移完整性门禁。 对一次真实技术栈升级建立 旧技术必须消失 的结构检查，行为测试只作为第二阶段，第三阶段再让独立 Agent 自动生成差分测试。只有三层都通过才允许合并。

参考资料

1. Safety-aware Model Predictive Path Integral Control with Signal Temporal Logic · 项目页
2. Trusted Polytopic Action Sets for Fast Planning in Underactuated Systems · 代码
3. CARO: Contact-Agnostic Residual Observation for Zero-Shot Robust Quadruped Locomotion
4. Learning to Act While Waiting: RL Finetuning of Generalist Robot Policies Under Inference Latency · 项目页
5. Event-Based Motion Estimation via Oriented Distance Fields
6. Do Robotic World Models Really Follow Actions? Diagnosing and Aligning Action-Conditioned Generation for Policy Learning
7. DeepRepoQA · 代码
8. SWE Refactor Bench · 代码与评测
9. Sampling-based Algorithms for Optimal Motion Planning / RRT](https://arxiv.org/abs/1105.1186) · [RSS 2010](https://roboticsproceedings.org/rss06/p34.html) · [OMPL RRT
10. arXiv Robotics 最新列表 · arXiv Software Engineering 最新列表