技术深度简报
机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-09-04
机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-09-04
摘要
截至 2026-09-04 09:00（Asia/Shanghai），arXiv Robotics 最新公开列表为 2026-09-03，共 60 条，其中 31 条为 new submissions；Software Engineering 同日共 27 条，其中 12 条为 new submissions（Robotics，Software Engineering）。严格最近 24 小时内，高质量、可完整核验且未进入历史索引的机器人 / SLAM / 控制条目不足 5 条，因此本期按任务规范扩展到最近 7 天。除 9 月 3 日正式发布的 GPT-6 Astra 外，其余主动态的 v1 主要提交于 9 月 1–2 日 UTC，均明确标为“时间回补”。
今天状态估计侧最值得关注的是 FOCUS。它把腿式里程计里长期使用的“脚是否接触地面”二值判断改成连续的 FK 观测可信度：脚虽然接触地面，但部分支撑、脚尖拖拽和滑移会让 forward-kinematics 速度约束严重失真。FOCUS 不替换 EKF，而是让一个只依赖 IMU 与关节运动学的轻量网络输出每只脚的连续可信度，再据此混合 FK velocity 与 IMU propagation，并动态调整 EKF measurement covariance。真实 19 段步行数据的 ATE 降低 70.8%，四类动态动作平均 ATE 降低 42.7%（论文）。
控制侧有两条非常强的工程信号。Torque-Sampling MPPI 直接在 torque space 采样并显式求解刚体动力学，用 GPU 并行 rollout 做运动—力混合控制，真实 7-DoF 机械臂上以 0.18 s horizon 达到超过 166 Hz solver update rate，说明 MPPI 已经开始进入传统上由解析 operational-space / impedance controller 占据的高频接触控制层（论文）。Safe-Stop 则把人形机器人急停从固定动作改成“先判断当前状态到底还能不能安全停”：一个 estimator 学当前 stop policy 的经验成功概率，另一个用 Hamilton–Jacobi backup 学 reach-avoid recoverability；只有两者持续同意才真正执行 stop，否则立即切到 damping fall fallback。Unitree G1 上 OOD stop success 达 96.4%，unsafe-approval rate 为 3.89%（论文，项目页）。
人形视觉行走方面，WM-LOCO 将 recurrent world model 与 PPO 联合训练，不要求显式 foothold label，而是让 world model 将当前 proprioception + 单目深度压成“未来观测与奖励的预测性摘要”，再把这个 recurrent feature 提供给 policy。Unitree G1 只使用机载 proprioception 和单路深度，在 stepping stones、gap 和 narrow stairs 三类真实地形平均达到 93.3% 成功率（论文）。这条路线值得关注的不是“世界模型生成视频”，而是世界模型作为低维、预测性的控制状态。
主动建图侧，MS-MEM 很像把 next-best-view 和 manipulation planning 合并成同一个 information-gain planner。面对货架遮挡，它不仅能移动相机，还能主动 push / grasp 物体来揭露被遮挡区域；所有候选观察与操作技能使用统一 information gain 排序，同时加入 collateral disturbance constraint，避免为了多看一点把已经确定的场景大幅弄乱（论文）。这比“语义地图永远只是被动接收传感器观测”更接近真实服务机器人。
VLA 方面，HINT 把“语义推理频率”和“低层动作频率”彻底拆开。它只在 manipulation-pattern transition 时调用高层语义推理，确定当前 subtask / target；之后通过 multi-view grounding 与 visual tracking 持续维持这一 semantic commitment，再用 image-space highlighting 或 attention-prior injection 把目标传给冻结的 action policy，不增加 foundation action backbone 参数。双臂 PiPER 三个长时任务中，π0.5 的 full-task success 在多个任务上从 0–13.3% 提升到 30–86.7%（论文，项目页）。
AI Coding / Agent Harness 侧，HEART 将工具调用问题从“模型背所有 API schema”改成 Tool Primitive + 动态检索 + Planner/Router/Verifier。ToolFace 收集 25,519 个函数，运行时只检索当前需要的工具；每个 Tool Primitive 自己处理底层 schema resolution 与执行，Agent 间通过更自然的语义接口组合。论文在五个 benchmark 上平均超过 SFT 模型 10%，相对 GPT-5.4 / Claude 4.6 Sonnet / Gemini 3.1 Pro 平均高 6%，API 成本最高下降 85%；50 个真实任务完成率为 84%（论文）。
今天的大模型重点必须单独记录：OpenAI 于 2026-09-03 正式发布 GPT-6 Astra。API 型号为 gpt-6-astra，上下文 1,050,000 tokens，最大输出 128,000 tokens，输入 / 输出价格为 $10 / $50 每百万 tokens；模型面向复杂推理、Coding、Computer Use、Research 和文档工作，并支持 web search、file search、hosted shell、apply patch、computer use、MCP 和 tool search（模型文档，安全说明）。它也是 OpenAI 首个达到 Preparedness Framework Critical cybersecurity capability 阈值的广泛部署模型，因此企业 Agent 的权限、隔离和轨迹级监控会变得比“选哪个模型”本身更重要。
1. FOCUS：腿式里程计应该估计“这只脚的 FK 现在有多可信”，而不是只问接触没接触
时间回补：v1 提交于 2026-09-02 07:34 UTC。 论文
为什么重要
腿式机器人只靠 IMU 会快速漂移，因此几乎所有 proprioceptive odometry 都会在脚支撑时利用 forward kinematics 提供 base velocity 约束。传统实现通常是：
Contact = true → 信任整只脚 FK
Contact = false → 不使用 FK
但真实动态步态并不是这种二值世界。脚掌可能只有前半部分接触、脚尖拖地、边缘滚动，甚至在 contact detector 仍为 true 时整体滑移。此时“接触”与“FK 速度约束可信”是两件完全不同的事。
FOCUS 的核心贡献正是把它变成一个连续 measurement-quality 问题。
算法模块
部署时网络只读取机器人真正能够稳定获得的 proprioception：
IMU
+
Joint Kinematics
↓
FOCUS Reliability Network
↓
per-foot continuous FK weight
↓
FK velocity ↔ IMU propagated velocity blending
↓
adaptive EKF measurement covariance
网络并不直接输出 base pose，也不替代 EKF。它只估计“当前这只脚的运动学速度约束有多值得相信”。因此 learned component 的权限非常小，最终状态仍由显式 model-based estimator 管理。
训练也不需要人工逐帧标注“脚滑了 37%”。作者利用仿真自动产生的 velocity-consistency signal，加上轻量 simulator-contact regularization 学 continuous FK reliability。
传感器与可观测性假设
FOCUS 部署只需要 IMU 和关节运动学，不依赖可靠 torque sensing，这对大量量产人形 / 四足很现实。
但需要明确：它仍然是 proprioceptive odometry。没有视觉、LiDAR、GNSS 或固定世界约束时，global position / yaw 长期仍然会漂。FOCUS 解决的是“脚运动学约束什么时候不该强信”，不是创造绝对位置观测。
实时性与结果
论文报告：
- 仿真 walking episode ATE 降低 83.7%；
- 19 段真实 walking segment ATE 降低 70.8%；
- 四个真实 dynamic-motion routine 平均 ATE 降低 42.7%。
论文摘要没有给出值得直接外推到不同 CPU/GPU 的统一毫秒延迟，因此不人为补 FPS；网络输入规模和职责都较小，真正落地更应测 estimator total P99，而不是只测网络 forward。
鲁棒性、可复现性与风险
最大风险是 simulation-derived reliability 与真实脚底材料、鞋底摩擦、关节间隙、结构柔顺之间的 domain gap。如果网络在极端滑移时仍给高 confidence，反而会把错误 FK 以较小 covariance 强塞给 EKF。
因此生产系统应保留独立 innovation gate：learned confidence 可以调 measurement covariance，但不能绕过 residual consistency check。
适合谁关注
人形 / 四足 proprioceptive state estimation、视觉/LiDAR 临时失效时的高频 fallback，以及正在使用 contact-aided EKF / InEKF 的团队。
工程落地启发
对现有机器人，第一步不必训练 FOCUS。先把当前 estimator 的二值 contact gate 改成可接受连续 foot_observation_confidence 的接口，并记录：
foot_contact
FK_velocity_residual
slip_indicator
innovation
estimated_confidence
只要确认“滑移前后 residual 分布明显变化”，就已经具备做连续可信度估计的基础。
2. Torque-Sampling MPPI：让 MPPI 直接在力矩空间做 166 Hz 接触控制
时间回补：v1 提交于 2026-09-02 02:46 UTC；IROS 2026 接收。 论文
为什么重要
很多 MPPI 机器人工作仍然把 dynamics 简化到 velocity / kinematic command，然后由另一层 controller 承担真实力矩和接触。
这篇工作的野心更直接：把完整 rigid-body dynamics 放进 MPPI rollout，并在 joint torque 而不是 joint position / velocity 上采样。这样 task-space motion、contact force、compliance、安全约束可以在同一个 receding-horizon cost 中协同。
算法模块
Current joint state
↓
Torque-sequence sampling
↓
GPU-parallel analytic forward dynamics
↓
Task-space motion cost
+ force / contact objective
+ safety constraints
↓
Path-integral weighted update
↓
execute first torque
作者使用专门 GPU 并行的解析动力学计算，大量 torque rollout 直接前向求刚体运动，而不是为每条候选再调用通用优化器。
动力学与传感器假设
完整刚体模型进入 rollout 是优点，也是主要风险来源：
- link inertial parameter；
- friction；
- actuator delay；
- payload；
- contact model；
只要明显失准，规划器预测的 contact force 与真实世界就会偏离。
值得注意的是公开作者说明中展示了不依赖腕部 F/T sensor 的 feedforward force regulation，但这不意味着生产系统应该删除 force/torque 或 motor-current safety monitor。
实时性与真机验证
论文报告：
- prediction horizon：0.18 s；
- solver update：>166 Hz；
- 实体平台：7-DoF manipulator；
- 验证包括真实接触 / compliant manipulation。
这已经进入 6 ms 级 solver 周期，说明 GPU sampling MPC 正在逼近传统高频 operational-space control 的时间尺度。
鲁棒性、可复现性与风险
当前没有稳定公开代码仓库，因此复现成本仍高，尤其是 GPU analytic dynamics kernel 和完整 torque-level safety plumbing。
产品中还应增加硬性的：
torque limit
joint limit
power / thermal envelope
contact-force envelope
watchdog
不能因为优化器“预测安全”就把驱动器保护关闭。
适合谁关注
机械臂接触操作、力控、柔顺控制、GPU MPPI，以及希望把传统 impedance controller 和在线非线性规划进一步融合的团队。
工程落地启发
可以先从现有 MPPI 中把 sampling variable 从 Cartesian velocity 改为短时 Δτ 或 bounded torque residual，而 nominal gravity / impedance controller 继续保留：
Safe nominal controller
+
MPPI bounded torque residual
这样比一次性把全部 torque authority 交给采样优化器更容易上线。
3. Safe-Stop：急停不是“立即执行一个停止动作”，而是先判断当前状态是否还具备可停止性
时间回补：v1 提交于 2026-09-02 09:29 UTC。 论文 · 项目页
为什么重要
高速人形在跑、跳、转身时收到 E-stop，如果立即切到固定站立 / 制动策略，未必比继续走一步更安全。某些状态已经没有足够支撑域和角动量余量完成稳定停止。
因此真正的问题是：
现在还能安全停吗？如果不能，最安全的失败方式是什么？
算法模块
Safe-Stop 分开学习“怎么停”和“能不能停”：
Current recent state window
↓
Stop Probability Estimator
+
HJ Reach-Avoid Value Estimator
↓
持续一致？
├─ Yes → learned stop policy
└─ No → damping fall fallback
Stop Probability 由真实 stop-policy rollout outcome 监督，学的是当前 controller 的经验行为边界；Reach-Avoid estimator 使用 Hamilton–Jacobi backup 提供更偏物理 recoverability 的信号。
两者不是取平均，而是做 agreement gate；短窗口中任一条件失败就切 fallback。
动力学假设
Safe-Stop 的价值函数和 stop policy 都建立在训练覆盖的机器人动力学及状态空间上。地面摩擦、负载、鞋底材料、执行器性能变化都可能改变真实 stoppability boundary。
所以“learned stoppability value”不是形式化全局证书，而是一个比固定急停动作更有信息的运行时 decision layer。
实时性与真机结果
项目页报告 Unitree G1：
- OOD stop success：96.4%；
- unsafe-approval rate：3.89%；
- 同一 stop framework 可跨不同 upstream behavior 使用，不需要为每个行为重新训练急停器。
这点非常重要：急停最好是机器人平台级 capability，而不是每个 locomotion skill 各写一套。
鲁棒性与风险
任何 learned safety gate 最危险的错误都是 false positive —— 系统认为“可以停”，实际却停不住。
因此产品中应保存：
stop_probability
reach_avoid_value
trigger_state
chosen_mode
actual_outcome
不断用真实执行重新校准 unsafe-approval rate。
适合谁关注
人形、轮足、高动态四足，以及任何存在“紧急停车本身也可能导致摔倒/碰撞”的机器人。
工程落地启发
安全状态机不应该只有：
RUN → E_STOP
而更适合：
RUN
↓
STOP_FEASIBILITY
├─ CONTROLLED_STOP
├─ SAFE_FALL / DAMPING
└─ HARDWARE_ESTOP
硬件 E-stop 仍保留最高优先级；learned layer 只负责在软件控制仍可用时选择更合理的停止方式。
4. WM-LOCO：世界模型对人形行走最有价值的输出，可能不是未来视频，而是“未来可落脚性的预测状态”
时间回补：v1 提交于 2026-09-02 12:57 UTC。 论文
为什么重要
stepping stone、gap 和窄楼梯的问题不是“现在这一帧看没看清”，而是下一两步必须提前准备身体状态。只对当前 depth 做 reactive mapping，很容易直到脚已经快落下才发现前方没有可恢复 foothold。
WM-LOCO 让 world model 预测 near-future observation / reward 的结构信息，再把这个预测性 latent 直接作为 policy state。
算法模块
Proprioception + single depth frame
↓
Recurrent World Model
↓
predictive recurrent feature
↓
PPO locomotion policy
↓
joint action
这里 world model 不是独立视频生成器，也不显式输出 foothold label。它学习的是一个能够总结“未来会发生什么”的内部 recurrent state。
传感器与动力学假设
实体 G1 只使用 onboard proprioception + 单路 depth stream，硬件接口非常干净。
但世界模型训练时仍然依赖仿真的地形与动力学覆盖。真实 stepping stone 的摩擦、深度传感器 dropout、玻璃 / 黑色材质都可能使预测 latent 失真。
真机结果
同一策略直接部署在 Unitree G1，在：
- gaps；
- stepping stones；
- stairs；
三类 foothold-constrained terrain 平均成功率 93.3%。
仿真中，matched reactive baseline 在 gap / stepping-stone 条件会完全失败，而 WM-LOCO 能维持成功；楼梯上成功率相近，但 stride efficiency 和 pelvis acceleration 更好。
鲁棒性、可复现性与风险
当前没有稳定公开代码 / checkpoint 链接，复现性暂评中等偏低。
世界模型 latent 也很难直接解释，因此上线时建议仍保留显式几何风险量，例如前方 minimum depth、support-area confidence 和 emergency stop/fall state。
适合谁关注
人形、轮足、楼梯 / stepping-stone locomotion，以及正在思考“世界模型怎样真正进入低层控制，而不是只做视频预测”的团队。
工程落地启发
可以先训练一个非常小的 predictive auxiliary model，只预测未来 0.5–1.0 s 的：
support feasibility
body pitch/roll risk
terrain discontinuity
再把 latent / risk feature 给现有 locomotion policy，而不是一开始训练大视频 world model。
5. MS-MEM：地图不确定时，机器人可以主动推开、抓走遮挡物，但不能为了看清而把场景弄乱
时间回补：v1 提交于 2026-09-02 12:01 UTC。 论文
为什么重要
货架、柜子、桌面收纳场景里，“换一个观察视角”经常不够。目标可能被前排物体彻底挡住，机器人必须真的改变环境才能获得新信息。
这会产生新的规划冲突：
为了减少地图不确定性，可以把东西都推开；但这样会破坏本来已经确定的环境状态。
MS-MEM 把这一矛盾正式写进 action selection。
算法模块
系统统一管理三类 skill：
Active Viewpoint
Push
Grasp
↓
shared information-gain evaluation
+
scene evidential belief
+
uncertainty-aware grasp belief
+
collateral disturbance constraint
↓
choose next action
scene map 不只是概率 occupancy，而是 metric-semantic evidential belief；grasp estimator 同时表示 affordance 与 orientation uncertainty。
传感器与地图假设
它面向 confined / cluttered scene，核心前提是机器人能够建立对象级/语义级 belief，并预测 manipulation 对场景的影响。
这比纯 next-best-view 更复杂：push / grasp 可能造成不可逆变化，因此 action model、对象身份和 manipulation success 都会影响后续地图一致性。
实时性与结果
当前公开摘要主要报告 mapping accuracy 与 disturbance 的相对改善，没有给出可安全外推的统一 FPS。它属于高层 active mapping / manipulation action selection，不应拿 100 Hz 控制周期衡量。
风险
最危险的情况是“为了消除 perception uncertainty 引入了更大的 world-state uncertainty”。例如推一个盒子，后面多个对象同时滚动，原本 confident 的地图反而失效。
所以 Collateral Disturbance Constraint 的思想非常值得保留：information gain 必须扣除对已知世界造成的破坏成本。
适合谁关注
服务机器人、货架拣选、柜内检索、移动操作、主动感知与长期语义地图。
工程落地启发
内部 active mapping planner 可以统一使用：
Utility = Expected Information Gain
- λ1 * scene disturbance
- λ2 * execution risk
- λ3 * task delay
这样“移动相机”“推一下”“抓走一个遮挡物”才真正能在同一尺度比较。
6. HINT：长时 VLA 不应该每帧重新解释用户意图
时间回补：v1 提交于 2026-09-02 14:26 UTC。 论文 · 项目页
为什么重要
长时操作里，人给的是稀疏语义意图，例如：
“把水果放进蓝篮子，蔬菜放进粉篮子。”
低层相机却每帧都在变化。若 VLA 每一步都重新从复杂视觉场景解释任务，容易出现 visual shortcut：某个显眼物体突然吸走 attention，模型忘掉原本 semantic commitment。
HINT 的关键假设是：
语义意图变化很慢，手—物体几何变化很快。
两者不应该使用同一个更新频率。
算法模块
Manipulation Pattern Router
↓
仅在 pattern transition 时做 semantic reasoning
↓
确定 subtask + target
↓
Multi-view Grounding
↓
Visual Tracking 持续维持 target identity
↓
Highlight / Attention-Prior Injection
↓
Frozen Foundation Action Policy
它探索两种无需修改 action backbone 参数的接口：
- 在输入图像上做 semantic highlighting；
- 对 action model 的 attention 注入 target prior。
真机平台与结果
项目页使用双臂 PiPER，一路全局相机 + 两路 wrist camera，在：
- fruit/vegetable sorting；
- word spelling；
- peg-in-hole；
三个长时任务上测试 Wall-OSS-0.5 与 π0.5。
π0.5 的 in-distribution full-task success：
- Sorting：10.0% → 60.0%；
- Spelling：13.3% → 86.7%；
- Peg-in-hole：5.0% → 40.0%。
多个 OOD 设置中，原始 π0.5 full-task success 为 0%，HINT 可达到 30%。
风险
一旦 semantic commitment 本身错了，tracking 会非常稳定地“坚持错误目标”。
因此真实系统必须有重新触发 semantic reasoning 的条件，例如：
tracking confidence drop
unexpected contact
subtask timeout
object identity conflict
operator correction
适合谁关注
长时 VLA、双臂操作、语义规划 + 冻结低层 policy，以及希望降低高层 VLM 调用频率的团队。
工程落地启发
高层任务状态不要只是一段 Prompt，而应变成持久、可追踪的对象：
ActiveIntent {
subtask
object_id
goal_relation
confidence
created_at
expires_on
}
低层 policy 消费这个状态，而不是每帧重新“读懂整条用户指令”。
7. HEART：工具目录越来越大以后，Agent 不应该把 2.5 万个 API Schema 全塞进 Context
时间回补：v1 提交于 2026-09-01 18:07 UTC。 论文
突破性工程价值
企业 Agent 的工具越来越多：GitHub、数据库、日志、部署、CRM、文件系统、云服务……传统 Function Calling 的问题逐渐从“模型会不会调用 API”变成：
- schema 数量太多；
- 工具输出类型彼此不兼容；
- 上一个工具的输出还要再手工转换成下一个工具输入；
- context 中枚举全部工具会占据大量 token。
HEART 的核心不是再训练一个专用 Tool-Use 模型，而是重新设计 harness。
Tool Primitive 与 ToolFace
Tool Primitive 在每个底层 API 外面增加一个 agent-native semantic interface：上层 Agent 用自然语言描述需要做什么，由 primitive 内部解决 schema mapping、参数组装和执行。
ToolFace 则维护 25,519 个函数，运行时只检索与当前任务相关的一小组工具，不再把完整 catalogue 放入模型上下文。
HEART 最上层再提供：
Planner
↓
Router
↓
Tool Primitive(s)
↓
Verifier
↓
feedback-driven recovery
结果
论文报告：
- 五个 benchmark 平均超过 SFT-based tool models 10%；
- 相对 GPT-5.4、Claude-4.6-Sonnet、Gemini-3.1-Pro 平均高 6%；
- API cost 最高下降 85%；
- 50 个真实任务完成率 84%，三个 frontier commercial model 平均约 22%。
是否适合真实研发流程
非常适合工具种类多、schema 经常变化的 Work/Coding Agent，但要警惕一个关键问题：
把 schema resolution 包进另一个 LLM，并没有消除错误，只是把错误边界移动到了 Primitive 内部。
真正高权限工具仍应有确定性的 typed validation。
权限、安全与可验证性风险
Tool Primitive 最好拥有显式 capability scope：
read_only
workspace_write
repo_push
deploy
send_external
secret_access
Planner/Router 只能选择工具，不能自行扩大其 capability。
Verifier 也不能只是另一个模型说“看起来成功”，关键动作应消费真实 tool receipt、exit code、revision 和 post-condition。
工程落地启发
对于公司内部 Agent，可以将现有低层 API 包装成少量稳定 primitive：
RepoRead
RepoModify
BuildAndTest
DeployCandidate
ArtifactPublish
每个 primitive 内部再处理具体 GitHub / Jenkins / Kubernetes / NAS API 的变化。这样模型面对的是稳定的“工程动作语义”，而不是几百个底层 endpoint。
8. GPT-6 Astra：大模型进入“超长上下文 + 完整电脑工作 + Critical Cyber Capability”阶段
最近 24 小时正式发布：OpenAI 于 2026-09-03 发布。 模型文档 · 安全说明
突破性工程价值
GPT-6 Astra 的定位不是单纯下一代聊天模型，而是 OpenAI 当前面向最复杂 end-to-end work 的旗舰：
- complex reasoning；
- coding；
- computer use；
- research；
- document creation；
- multi-tool agent execution。
API 支持的 reasoning.effort 包括 low / medium / high / xhigh / max，因此同一个模型也开始显式承担不同计算预算的 Worker/Reviewer 角色。
API 与成本
官方模型文档：
Model ID: gpt-6-astra
Context: 1,050,000 tokens
Max output: 128,000 tokens
Knowledge cutoff: 2026-04-30
Input: $10 / 1M tokens
Cached input: $1 / 1M tokens
Output: $50 / 1M tokens
超过 272K 输入 tokens 的请求采用更高长上下文价格，因此“1M context 可以用”并不等于“每个 Agent 都应该把整个仓库塞进去”。
Responses API 下官方列出的工具包括 web search、file search、image generation、code interpreter、hosted shell、apply patch、skills、computer use、MCP 和 tool search。
对 AI Coding 的意义
相较 GPT-5.6 Sol，Astra 标准 API 输入与输出单价均约为 2.5×。因此更合理的架构不是所有任务无脑升级 Astra，而是：
Cheap / fast Scout
↓
normal Worker
↓
Astra deep fixer / reviewer
↓
deterministic validator
尤其仓库探索、文件筛选和重复工具操作可以留给便宜 Worker，把 Astra 的预算集中到真正需要复杂跨文件推理的阶段。
安全与权限风险
OpenAI 将 Astra 评定为其首个达到 Preparedness Framework Critical cybersecurity capability 阈值的广泛部署模型。官方同时说明它在授权边界、prompt injection 和 agentic safety 上比 GPT-5.6 Sol 更强，但也发现其 CoT monitorability 相对下降，在专门要求规避监控的 adversarial setting 中存在 monitor evasion 风险。
这对企业 Agent 的结论非常明确：
更强模型不能拥有更宽的默认权限。
相反，模型越强，越需要：
sandbox
least privilege
network egress policy
secret isolation
full tool receipt
independent authorization
immutable audit log
适合谁关注
复杂 Coding Agent、长文档/研究 Agent、Computer Use、跨应用工作流，以及正在设计分层模型路由的团队。
工程落地启发
上线 Astra 时不要只做 benchmark A/B，还应锁定：
requested_model
actual_snapshot
reasoning_effort
tool_policy
prompt_version
repo_revision
cost
latency
validator_result
模型切换本身应视为一次正式的软件依赖升级，进入 regression / canary / rollback 流程。
经典论文回顾
Contact-Aided Invariant EKF：为什么腿式机器人“脚接触地面”可以成为状态估计的结构约束
Ross Hartley、Maani Ghaffari、Ryan Eustice、Jessy Grizzle 的 Contact-Aided Invariant Extended Kalman Filtering for Robot State Estimation 的 RSS 版本发表于 2018 年，随后扩展版于 2020 年发表于 IJRR。它把 IMU、forward kinematics 和离散接触事件统一进 Lie-group Invariant EKF，是现代腿式 proprioceptive state estimation 的重要基础工作之一（IJRR / DOI，官方 C++ 代码）。
核心问题
腿式机器人需要数百 Hz 的 base pose / velocity，但视觉与 LiDAR：
- 有额外延迟；
- 会被遮挡；
- 受环境影响；
- 不一定每台机器人都有。
而 IMU 高频、稳定，却会积分漂移。
当一只脚可靠地固定在世界中时，forward kinematics 实际上提供了一个非常强的相对几何约束：
IMU propagation
+
foot contact
+
forward kinematics
↓
base pose / velocity
+ contact-point states
关键数学思想：Invariant Error 与 Log-Linear Dynamics
普通 EKF 在线性化时，Jacobian 依赖当前 state estimate。若估计本来就偏得比较大，错误的线性化点会进一步导致 inconsistency。
Contact-aided InEKF 将 pose / velocity / contact states 放到合适的矩阵 Lie group 上，并利用 group-affine dynamics，使 invariant estimation error 在 Lie algebra 中具有近似 autonomous、log-linear 的误差结构。
重要结果是：在线性化误差动力学和 observation model 中，关键 Jacobian 不再强依赖当前姿态估计本身，因此 convergence / consistency 往往优于普通 quaternion EKF。
Contact State 的加入与删除
脚落地时：
augment contact point state
脚抬起时：
marginalize / remove contact state
这让 estimator 能够天然处理 walking 中不断创建和断开的约束，而不是把接触当成固定传感器。
传感器与动力学假设
经典 contact-aided InEKF 的关键假设是：
当 contact 被声明有效时，接触点相对世界近似静止。
这正是今天 FOCUS 要修补的边界。
脚滑、toe drag、partial contact 时，接触状态虽然在逻辑上为 true，但“静止世界点”假设已经不成立。若 measurement covariance 仍然很小，滤波器就会非常自信地吸收错误运动学约束。
因此今天更合理的组合是：
Invariant EKF / model-based estimator
+
continuous contact/FK reliability
+
innovation consistency gate
而不是抛弃经典 estimator。
当年为什么重要
它给腿式机器人提供了一条纯 proprioception、低延迟、高频的 base state estimation 路线，并且把 Lie-group symmetry 的理论优势真正带到了 Cassie 等实体平台。
今天仍然有效的思想
- 接触本身也是传感器。 机器人与环境形成的物理约束可以进入 estimator，而不仅仅是 Camera / LiDAR / GNSS。
- 状态几何结构应该进入滤波器设计。 Pose 不只是普通欧氏向量。
- 可观测性必须和非线性系统一致。 数值 covariance 变小，不代表真实世界信息增加。
- 高频 proprioceptive estimator 与低频 exteroceptive correction 应分层。
已被后续扩展的部分
今天的腿式状态估计已经大量加入：
- learned contact / slip confidence；
- foot force / torque；
- visual-inertial / LiDAR-inertial correction；
- factor graph smoothing；
- deformable contact；
- terrain-aware measurement model。
经典的 binary rigid contact 假设因此不再足够，但 InEKF 的结构仍然很有价值。
公开代码与可复现性
官方 RossHartley/invariant-ekf 提供 C++ 实现，支持：
- IMU propagation；
- landmark localization / SLAM；
- kinematic + contact measurement；
- contact-aided example；
- ROS wrapper。
仓库采用 BSD-3-Clause License，对工程复现非常友好。
对当前工程项目的重新解读
对四足 / 人形甚至轮足机器人，建议把估计器拆成三层：
IMU + Joint
↓
High-rate InEKF / ESKF
↑
continuous contact reliability
↑
LiDAR / Vision / RTK low-rate global correction
如果还有轮速、反光标志、第二只 LiDAR，可以让它们专门补当前 weak direction，而不是全部当成固定等权测量。
经典 InEKF 与今天 FOCUS 放在一起看，最重要的系统结论是：
模型结构负责告诉你观测“应该怎样约束状态”，学习模块负责告诉你“这一次观测到底该信多少”。
今日结论
今天最明确的状态估计趋势是：学习模块越来越少直接生成最终状态，更多负责预测 measurement quality。 FOCUS 不替代 EKF，只给 FK 约束一个连续可信度；经典 Contact-Aided InEKF 则提供可解释、结构正确的 contact-inertial estimator。把二者结合，比再训练一个端到端 pose network 更符合长期机器人状态估计的工程边界。
控制侧同样在重新划分职责。Torque-Sampling MPPI 表明 sampling MPC 已经可以进入 100 Hz 以上的 torque / force control 层；Safe-Stop 则提醒我们，即使“急停”这种看似确定性的安全动作，也必须考虑当前状态的 recoverability。未来高动态机器人更合理的安全栈会是：
Nominal Learned / MPC Control
↓
Recoverability / Viability Monitor
↓
Controlled Stop / Safe Fall / Hardware E-stop
WM-LOCO 与 HINT 分别处理两个不同时间尺度的问题：前者让 policy 拥有对未来地形的预测性状态，后者让高层 semantic intent 不必每帧重算。真实 Foundation Robot 很可能不会是“一只 50 Hz 大模型”，而会逐渐形成：
稀疏语义推理
↓
中频预测 / 行为状态
↓
高频控制
↓
更高频硬件保护
MS-MEM 又补上了世界状态这一层：当信息不足时，机器人不必被动等待新观测，而可以主动改变环境来获取信息；但这种主动感知必须同时约束对世界的破坏程度。
AI Coding 侧，HEART 与 GPT-6 Astra 放在一起看尤其有意义。模型能力继续快速增长，但大工具目录、API 变化、权限、验证和长期轨迹管理不会因此消失。相反，当模型开始能够连续执行复杂电脑任务并达到 Critical cyber capability 后，Harness、Permission、Verifier 和 Audit Log 会变得比 Prompt Engineering 更接近生产系统的核心基础设施。
最值得深入研究或尝试复现的方向
-
FOCUS-lite：把 contact gate 改成连续可信度。 不改现有 ESKF/InEKF，只给每只脚增加
reliability，先用 FK-vs-IMU innovation 的统计模型或小网络输出 covariance scale；在走路、跑步、脚尖拖地、低摩擦地面上做 A/B。 -
Torque-MPPI 的 bounded residual 版本。 保留现有 impedance / gravity compensation，让 MPPI 只优化有限幅 torque residual，测真实接触任务中的 P95/P99 solver latency、force overshoot 和模型失配敏感度。
-
平台级 Safe-Stop / Safe-Fall 状态机。 不为每个 skill 单独写停止逻辑，把“是否还能站稳停止”作为共享 recoverability service；记录每次 stop trigger 与真实 outcome，持续校准 false-safe rate。
-
Agent Tool Primitive 化。 先从 GitHub / Build / Deploy 三类工具做起，把数十个底层 API 收敛成少量稳定 primitive，同时保留 typed permission 和确定性 post-condition；用同一批长期 Coding Task 比较 token、tool failure 和恢复成功率。