机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-09-08

摘要

截至本期检索时，arXiv Robotics 与 Software Engineering 最新公开批次均为 2026-09-07。Robotics 共 65 条，其中 32 条为 new submissions；Software Engineering 共 44 条，其中 30 条为 new submissions。严格最近 24 小时内，可完整核验、与本简报方向高度相关且尚未进入覆盖索引的高质量工作不足 5 条，因此按任务规范扩展到最近 7 天。今天入选的 8 条主动态 v1 均提交于 9 月 3–4 日 UTC，全部明确标为“时间回补”。

今天最值得从地图与导航系统角度看的工作是 NavArena。过去两年 3D Gaussian Splatting 很容易产出“看起来像数字孪生”的场景，但漂亮的新视角渲染并不等于机器人真的能在里面做闭环导航。NavArena 把冻结的 3DGS 转成导航基准：从 Gaussian density 与高度统计生成 occupancy costmap，从多视角开放词汇分割提升出语义目标，再使用同一环境做 RGB-D 渲染、碰撞/可达性查询和闭环策略评测。作者在 2,000 多个场景中生成 2,220 万条 expert trajectory。这类工具最有价值的地方，是把已有 3D 扫描资产转成可反复跑策略回归的导航资产，而不是再单独手工搭一套仿真场景。

协同感知方面，Conductor 把一个很现实的变量提升为系统一等约束：Age of Information（AoI）。路侧边缘节点可以融合多辆车和 RSU 的观测、预测未来轨迹，但如果结果送到车辆时已经过期，融合精度再高也没有意义。Conductor 通过 occlusion-aware selector 优先选真正补充 RSU 盲区的车辆，同时用 runtime controller 动态调节每周期融合多少辆车、预测多少条轨迹，使系统在最多 31 辆 CAV 的模拟中维持 AoI 上界。这一思想可以直接迁移到多机器人 SLAM、远端地图融合和云端 VLM：远程信息必须携带“多老了”，而不能只有“置信度多高”。

运动规划理论方面，Achieving Asymptotic Near-Optimality Without δ-Similarity 很值得认真读。大量 kinodynamic sampling planner 的近最优证明依赖“最终几乎必然采到接近最优轨迹的 δ-similar 片段”，但论文指出其中隐含了一个很容易被忽略的 retention assumption：采到以后这些片段还得真的被树保留下来。实际 pruning / sparsification 可能出现“crowding out”，让局部低代价路径把通往全局更优解的近似片段排挤掉。论文并不是否定渐近近最优，而是重新给出不依赖完整 δ-similar solution trajectory 的论证。这对工程实现非常重要：采样器、传播器和 cost 都没问题，也不代表节点保留策略不会破坏理论前提。

人机接触控制方面，Dressing in Motion 处理的是比静态穿衣更真实的问题：人在穿衣过程中会主动移动手臂，衣物又有复杂遮挡和柔性接触。作者从静态专家示范出发，用基于部分观测点云的 diffusion policy 学穿衣动作，再用 PDE diffusion 构造手臂轴向的 object-centric representation，并对连续观测中的运动相关区域做注册，近似估计手臂运动后实时调整轨迹。真实研究包含 9 名参与者、3 种衣物和 6 类手臂运动模式。这类系统提醒我们：辅助机器人不能把人当静态障碍；人的运动本身就是需要进入策略状态的动态变量。

VLA 侧，Latent Semantic Scaffolding（LSS） 提出一条很适合端侧机器人的路线：把“物理推理”放到训练期，而不是每次推理都生成 reasoning token。训练时用一个小 projection head，把 VLA action-token representation 对齐到物理推理 rationale 的文本 embedding；部署时 projection head 直接丢掉，因此基础策略结构和推理成本都不变。真正关键的消融是：按 manipulation phase 为每个动作 token 对齐局部 rationale 的 Dense LSS，比整段任务只对齐一个 pooled rationale 泛化更好，内部表示的 phase separability 约提高到两倍。这说明训练数据如果已经有接触阶段、操作阶段和因果说明，完全可以把它们当作“训练脚手架”，而不要求真机运行时继续支付大模型推理成本。

机器人奖励模型方面，ROBORMBENCH 暴露了一个非常危险的漏洞：同一条真实机器人轨迹，只把语义等价的任务指令换一种说法，VLM reward 就可能从“成功”翻成“失败”，或者给出明显不同的 progress score。基准包含 2,390 条真实机器人轨迹、ground-truth progress label 和 21,673 条经过验证的同义改写，覆盖词汇、句法以及 action-goal rewrite。作者发现这种不稳定性在开源和闭源 VLM 中都很普遍，而且模型变大、显式 reasoning 也不能可靠消除。若 VLM reward 被用于 RL 或自动评测，paraphrase invariance 应该成为正式的 metamorphic regression，而不是默认假设。

AI Coding 侧，本期两条工作共同指向“真实执行状态必须进入 Agent 基础设施”。Dynamic Adaptation of the LLM Context for Generating Routines with Coupled Semantics 研究文本描述无法静态决定正确性的程序：一个 routine 的正确含义要看另一个 routine 实际运行后发生什么。它让 validation agent 从 execution trace 抽取结构化诊断，再动态写入 generation context，同时用知识图谱维持语义约束、用 simulated annealing 避免候选搜索过早塌缩。在 8 个问题上，300 与 600 次 evaluation 预算下有 7 个优于 zero-shot、Reflexion 与 OpenEvolve。工程含义非常直接：Coding Agent 的上下文不应该只来自仓库检索，也应该来自“刚才实际执行出了什么问题”。

另一篇 Same Request, Different Answer 则把 serving infrastructure 本身拉进 Agent 可复现性问题。作者固定模型、seed、请求顺序与 batch size，只改变 prefix cache 与权重量化，80 个多轮工具调用 episode 中，打开 cache 后 16-bit 有 36.2% 的轨迹发生变化，4-bit 上升到 75.0%；关闭 cache 后 800 次重复执行没有出现 divergence。结果不能简单外推到所有引擎，但它足以说明：对长时 Coding Agent，model + prompt + seed 已经不够描述一次实验，cache 配置、量化格式乃至 cache state 都应该进入 provenance。

近期 GPT-6 Astra、Gemini 3.8 Flash、Claude Fable 5.1 等旗舰模型已经在前几期覆盖；截至本期检索，没有发现 9 月 7–8 日需要挤掉上述机器人 / 控制 / AI Coding 工作的新旗舰基础模型正式发布，因此不重复用模型新闻凑数。

1. NavArena：把 3DGS 从“漂亮重建”变成可闭环评测的导航资产

时间回补：arXiv v1 提交于 2026-09-04。（论文）

为什么重要

3D Gaussian Splatting 已经非常适合快速重建工厂、园区和室内现场，但固定 3DGS 本质上只回答：

给定一个相机位姿
→ 能渲染出什么画面？

机器人导航还需要另外三类东西：

这里能不能走？
哪里会碰撞？
哪些位置算有效目标？

如果每次都重新手工建 occupancy、语义目标和 episode，3DGS 与导航栈之间仍然存在很大的工程断层。NavArena 的目标就是自动补上这一层。

算法模块

整体结构可以理解为：

Frozen 3DGS Reconstruction
          ↓
Egocentric RGB-D Rendering
          +
Gaussian Density / Height Statistics
          ↓
Occupancy Costmap
          +
Multi-view Open-Vocabulary Masks
          ↓
Semantic Goal Candidates
          ↓
Episode / Expert Trajectory Generation
          ↓
Unified Closed-loop Navigation Evaluation

作者不要求重新训练 3DGS，而是把已经存在的 Gaussian scene 解析成“可以被导航算法消费”的表示。公开摘要报告覆盖超过 2,000 个场景，并自动生成 2,220 万条 expert trajectories。

传感器与地图假设

这里最关键的假设是：Gaussian density、高度结构和渲染深度足以近似真实几何可达性。

这在常规室内表面上可能很好用，但对玻璃、薄结构、楼梯边缘、悬空物、窄门和动态物体，视觉重建质量与真实碰撞几何可能不是一回事。3DGS“看起来连续”甚至可能把几何空洞渲染得很漂亮。

因此 NavArena 更适合作为导航策略回归与数据生成环境，而不是直接把 derived costmap 当成安全认证地图。

实时性、鲁棒性与可复现性

它主要解决 benchmark construction，不是一个在线 20 Hz local planner，因此不应该用在线规划 FPS 衡量。

更值得测试的是：

3DGS-derived collision vs 实际几何
可达区域 precision / recall
语义目标正确率
仿真策略 ranking 与真机 ranking 的相关性

论文摘要说明 benchmark-generation tools、evaluation protocols 与 derived assets 将公开；在正式资源完全发布前，可复现性仍应标为“公开计划明确，但需等待完整资产”。

工程风险

最大的风险是形成一种新的“simulator confidence illusion”：策略在高保真渲染里表现很好，看起来也非常真实，但失败来自 derived geometry 与真实世界不一致。

因此任何从 3DGS 自动生成的地图最好保存：

geometry_source
support_density
uncertainty
last_real_validation
known_bad_regions

适合谁关注

3DGS 扫描、数字孪生、机器人交付回归、室内导航、Real-to-Sim 评测团队。

工程落地启发

如果已经有现场 3DGS / Gaussian map，可以先做一个 NavArena-lite：

3DGS
→ 2D / 2.5D costmap
→ 随机生成 1,000 个 start-goal pair
→ 跑现有 Nav2 / local planner
→ 抽样真机验证失败区域

这样同一份扫描资产就能同时服务展示、回归和导航算法测试。

2. Conductor：协同感知的核心约束不是“融合多少”，而是“信息到达时还新不新”

时间回补：arXiv v1 提交于 2026-09-03。（论文）

为什么重要

多车 / 多机器人协同感知容易把目标写成“收集越多观测，世界模型越准确”。但远端融合天然存在：

上行网络
→ 边缘计算
→ 轨迹预测
→ 下行网络

等结果回到机器人时，世界已经继续运动。一个 98% 准确、但 500 ms 前的动态目标位置，可能比 90% 准确、但只有 30 ms 的本地观测更危险。

Conductor 因此把 Age of Information（AoI） 直接设为运行时预算。

算法模块

CAV / RSU Detections
        ↓
Fixed-anchor Edge World Model
        ↓
Occlusion-aware Vehicle Selector
        ↓
只优先接入真正补 RSU 盲区的 CAV
        ↓
Runtime Controller
        ↓
动态调节：
- 本周期融合多少辆车
- 预测多少条未来轨迹
        ↓
在 AoI deadline 内返回

这不是简单“边缘服务器算快一点”，而是允许系统主动减少输入量和预测负载，换取信息新鲜度。

传感器与系统假设

方法依赖不同车辆 / RSU 观测能被变换到共同 frame，也依赖网络与计算延迟能够被测量和在线调度。

真实部署还会遇到：

packet loss
乱序
时钟偏差
带宽突降
edge node overload

因此 AoI 只是一条核心指标，并不能替代 time-sync 与 networking health。

实时性与结果

作者在 CAV simulation infrastructure 中评估最多 31 辆 CAV。联合 selector-controller 能在多种 traffic scenario 下满足设定的 AoI 安全上界，同时 fusion fidelity 接近 Oracle，并明显优于相同 AoI 约束下的随机 vehicle selector。

目前主要证据来自模拟，而不是城市道路真实大规模 CAV 网络，因此还不能把结果直接外推到蜂窝网络抖动和真实 RSU 部署。

鲁棒性与风险

边缘融合的最大风险是 stale data 被当成高质量 observation 使用。每个远端 observation 最好同时带：

source_timestamp
arrival_timestamp
age
predicted_valid_until
source_pose_uncertainty
calibration_version

一旦 age 超过控制任务容忍上限，宁可丢弃，也不要让“高置信旧信息”污染 planner。

适合谁关注

多机器人协同地图、CAV、路侧感知、云端视觉 / VLM、远程多机任务系统。

工程落地启发

多机器人系统里建议把所有远端状态统一成：

RemoteObservation<T> {
  value
  confidence
  source_time
  age
  deadline
}

不要只传一个 pose / detection + confidence。新鲜度本身就是观测质量的一部分。

3. Achieving Asymptotic Near-Optimality Without δ-Similarity：采到了好轨迹，不代表树会把它留下来

时间回补：arXiv v1 提交于 2026-09-03；已提交 IEEE RA-L。（论文）

为什么重要

很多 kinodynamic sampling planner 的证明逻辑可以粗略理解为：

不断随机采样 + forward propagation
        ↓
最终几乎必然采到
接近 optimal trajectory 的片段
        ↓
逐步拼出 near-optimal solution

论文指出这里存在一个经常未被显式写出的条件：

这些接近最优轨迹的片段，采到以后还必须被 planner 的节点保留 / pruning 机制留下。

实际稀疏树为了控制规模，会淘汰“看起来局部不够好”的节点。于是可能出现 crowding out：某条局部代价更低的路径占据区域后，让真正通往全局最优路径的 δ-similar segment 无法进入树。

关键理论结构

论文并不是简单说“原来的 planner 都错了”，而是区分：

Sampling guarantee
≠
Retention guarantee
≠
最终 solution guarantee

作者构造了一个系统 / 环境例子，在那里通过归纳方式持续保留 δ-similar solution trajectory 是不可能的；随后又证明，只要把 crowding-out 情况正确纳入分析，仍可以得到 asymptotic near-optimality，而不必要求整条解始终由 δ-similar segment 组成。

动力学与规划假设

论文面向使用 forward dynamics propagation 的 kinodynamic sampling planning。它关注的是理论保证，不是一个新的实时局部 planner，因此没有“多少 Hz”的部署指标。

它最重要的工程接口反而是 planner 内部数据结构：

node selection
pruning
witness / sparse representation
dominance rule
local cost

这些机制不只是性能优化，也可能改变理论性质。

鲁棒性、可复现性与风险

理论 counterexample 很有价值，但不能自动证明某个具体 OMPL planner 在你的机器人上一定会 crowd out。真正值得做的是构造 regression：记录哪些节点因为 pruning 被删、哪些区域长期由低成本节点“占坑”，以及最终解质量随样本数是否真的稳定逼近。

适合谁关注

无人机、车辆、欠驱动机器人、kinodynamic RRT / SST / forward-propagation planner，以及正在为 sampling planner 做 GPU / sparse-tree 优化的团队。

工程落地启发

以后改 planner 的 pruning rule 时，不应该只看：

节点更少了吗？
规划更快了吗？

还应该看：

长期 best cost 是否继续下降？
关键 homotopy 是否被过早消失？
被删节点是否具有独特可达后继？

树的保留策略本身就是规划算法的一部分，而不是无害的内存优化。

4. Dressing in Motion：辅助机器人必须把“人正在动”当作策略状态，而不是外部扰动

时间回补：arXiv v1 提交于 2026-09-04。（论文）

为什么重要

机器人辅助穿衣是一个典型的 contact-rich human-in-the-loop task。多数实验让人保持固定姿势，但真实用户会主动抬手、弯肘、调整肩部；衣物又会遮挡人体，并产生强柔性接触。

如果策略只根据当前一帧点云做动作，容易把人的主动运动当成 perception noise，导致机器人继续沿旧轨迹拉衣物。

算法模块

作者从静态 expert demonstration 学习基础穿衣动作，再增加对动态用户运动的表征：

Partially Observed Point Cloud
          ↓
Diffusion Policy
          +
PDE-diffusion Object-centric Arm Representation
          ↓
Motion-relevant Region Sampling
          ↓
跨连续观测做 Region Registration
          ↓
近似 Arm Motion
          ↓
Reactive Trajectory Adaptation

PDE diffusion 的目的不是求机械臂动力学，而是把手臂的轴向几何组织成更稳定的 object-centric representation，减少局部遮挡造成的表示跳变。

传感器与动力学假设

方法依赖部分观测点云能够持续捕获足够的人体几何。衣物本身的非刚体动力学、摩擦以及拉扯力并没有因为 diffusion policy 自动消失。

公开摘要没有表明系统使用独立力觉作为主要闭环信号，因此真实辅助机器人仍应保留接触力、关节力矩、速度和人体安全空间的独立监控。

实时性与真实实验

作者在仿真和真人实验中验证，真实研究包含：

  • 9 名参与者；
  • 3 种 garment；
  • 6 类 arm-motion pattern。

论文报告在 dressing progress、freedom of movement 与 user comfort 上优于基线，但摘要没有提供适合直接引用的统一控制频率或全部绝对数值，因此本期不人为补充。

鲁棒性与工程风险

human motion estimation 一旦错误，机器人可能“积极地追着错误运动补偿”。辅助类机器人应至少有：

human-motion confidence
contact-force envelope
trajectory preemption
user stop / override
maximum relative velocity

生成策略只负责提出动作，不应独占最终安全权限。

适合谁关注

辅助穿衣、康复、护理机器人、人与机器人共享接触空间、柔性物体操作。

工程落地启发

对任何 human-in-the-loop manipulator，可以把目标接口从：

HumanPose_t

升级成：

HumanState {
  pose
  velocity
  confidence
  predicted_short_horizon_motion
}

“人在动”不应只通过下一帧误差被动体现，而应进入 planner / policy 的明确状态。

5. Latent Semantic Scaffolding：让 VLA 在训练时学“为什么”，部署时不再支付推理成本

时间回补：arXiv v1 提交于 2026-09-04。（论文）

为什么重要

给 VLA 增加 reasoning 通常有两种成本很高的办法：

每个动作前生成 reasoning tokens
或
每一步 rollout future / world model

长任务中，这些额外推理会不断累积 latency。LSS 问了一个很实际的问题：

能不能只在训练阶段让动作表示学习物理推理，部署时把辅助模块整个扔掉？

算法模块

训练阶段增加一个小 projection head：

VLA Action-token Representation
          ↓
Projection Head
          ↓
对齐 Text Embedding of Physical Rationale

训练结束后：

Projection Head → 删除
Base VLA → 原样部署

因此 inference graph 不新增 reasoning module。

论文比较两种 granularity：

Pooled LSS：整条 episode 使用一个总 rationale。

Dense LSS：每个 manipulation phase 的 action token，只对齐自己阶段的 rationale。

Dense LSS 在 in-distribution 和 held-out transfer 上都更好，且表示探针显示 backbone 的 per-phase separability 约提升到两倍；Pooled 反而更容易对训练任务过拟合。

传感器与策略假设

LSS 不改变部署时的传感器要求，它改变的是 pretraining supervision。真正的成本转移到训练数据：你需要合理的 physical rationale / phase 描述。

如果 rationale 本身来自错误自动标注，模型也可能被稳定地推向错误语义。因此 rationale 应保留来源与置信度，而不是把 LLM 生成的解释直接当真值。

实时性、鲁棒性与可复现性

最大的实时性优势就是零新增 inference module。这对 Jetson / 双臂实时策略比“再挂一个在线 reasoning model”更容易落地。

当前摘要没有给出足够完整的官方代码 / checkpoint 入口，因此可复现性仍取决于后续资源公开情况。

工程风险

更可分的 latent 并不等于动作更安全。LSS 只能帮助表示保留 phase-level 物理语义，碰撞、接触力、关节限位和动作新鲜度仍需独立 runtime gate。

适合谁关注

端侧 VLA、π0 / diffusion / autoregressive action policy、机器人数据平台，以及希望利用 reasoning supervision 又不愿增加真机推理延迟的团队。

工程落地启发

机器人数据仓库可以开始额外保存：

manipulation_phase
contact_state
object_relation
physical_rationale

这些信息不一定部署时使用，但可以成为训练期的“语义脚手架”。这是比单纯继续扩 action-demo 数量更便宜的一条 representation scaling 轴。

6. ROBORMBENCH：同一句任务换个说法，VLM Reward 不应该把同一轨迹从成功翻成失败

时间回补：arXiv v1 提交于 2026-09-04。（论文）

为什么重要

VLM 越来越常被拿来做：

机器人任务自动打分
RL Reward
Preference Label
Checkpoint Ranking
Failure Detection

这些用途有一个最低要求：语义等价的目标描述，应该对同一条 trajectory 给出一致评价。

ROBORMBENCH 证明，当前许多 VLM 并没有满足这一点。

Benchmark 结构

数据包括：

  • 2,390 条真实机器人 trajectory；
  • ground-truth progress labels；
  • 21,673 条经过验证的 paraphrase；
  • lexical、syntactic、action-goal rewrite 等不同改写类型。

只改变 instruction wording，不改变机器人行为本身，然后重新让 reward model 打分。

结果与鲁棒性

作者发现 paraphrase-induced instability 在开源和闭源 VLM 中都普遍存在，改写越大，问题通常越严重；简单扩大模型规模或要求显式 reasoning 也不能可靠解决。

更专门、使用 trajectory-grounded supervision 训练的 reward model 明显更稳定。

这里最危险的不是分数浮动几个百分点，而是相同 trajectory 的 success / failure 判定发生翻转。一旦这种 reward 被用于 RL，策略优化方向本身就可能被 prompt wording 改写。

传感器与假设

这是一项 reward-model evaluation，不直接提出新的机器人控制器。Ground-truth progress label 与 paraphrase verification 本身是 benchmark 的关键资产。

不同真实生产任务的语义可能更复杂，因此 21,673 条 paraphrase 仍不能证明覆盖所有 instruction variation；它提供的是一种应该进入测试体系的方法论。

工程风险

不要把 VLM reward 当成“自然语言版本的确定性传感器”。至少要同时监控：

prompt sensitivity
paraphrase consistency
trajectory-grounded score
human calibration subset

适合谁关注

VLA RL、机器人自动评测、Preference Learning、VLM-as-a-Judge、无人值守 checkpoint 回归。

工程落地启发

给 reward / judge 增加metamorphic test：

同一条 trajectory
× 10–20 条语义等价 instruction
        ↓
检查 score variance
检查 success-label flip rate

如果模型连这个测试都过不了，就不应该让它单独决定策略上线或 RL reward。

7. Dynamic Context Adaptation：Coding Agent 的上下文应该由真实执行结果不断改写

时间回补：arXiv v1 提交于 2026-09-03；ICANN 2026 接收。（论文）

突破性工程价值

普通 Coding Agent 假设“正确做法可以从需求 + 仓库文本中读出来”。但有一类问题只有运行以后才能知道正确与否：

Routine A 的输出
决定 Routine B 应该怎样行为
而 B 的结果又反过来约束 A

作者称这种问题为 static binding 的失败：文本上下文无法预先完全解析 execution-dependent coupling。

算法模块

Problem Description
      ↓
Knowledge Graph
→ 提供稳定 semantic constraints

Generated Candidates
      ↓
Real Execution / Validation
      ↓
Validation Agent
      ↓
Structured Diagnostics
      ↓
Dynamic Context Update
      ↓
Generation Agent
      ↓
Multiple Candidates
      ↓
Simulated Annealing Selection

其中 structured execution diagnostics 类似“梯度方向”：它不是只告诉模型 pass / fail，而是说明哪种 joint behavior 出了问题。

结果

论文在 8 个问题上评估。在 300 与 600 次 evaluation budget 下，方法有 7/8 个问题优于 zero-shot、Reflexion 与 OpenEvolve，统计结果报告 p < 0.01；在主要 cross-coupled optimization 问题上，1000 次 evaluation 时仍取得最佳结果。消融显示 structured execution feedback 是主要收益来源。

是否适合真实研发流程

非常适合数值算法、优化器、编译 / 性能问题、协议实现和任何“单元函数看起来对，但组合起来错”的任务。

真实工程里，validation agent 最好不要输出任意自然语言长文，而应输出结构化 artifact：

failing_case
observed_output
expected_invariant
coupled_symbols
runtime_metric
repo_sha

这样下一轮 context 是可审计的，不是不断增长的聊天摘要。

权限、安全与可验证性风险

执行反馈越强，越需要 sandbox。Agent 为了“看运行结果”不应该自动获得生产数据库、外网或部署权限。

另外 validator 自己也可能诊断错，所以最终 acceptance 仍应由确定性测试 / benchmark 决定，而不是 generation agent 与 validation agent 相互说服。

工程落地启发

Coding Agent 的上下文建议分成：

Static Context
→ 需求、接口、架构约束

Dynamic Context
→ 最新测试、profiling、trace、失败案例

Verified State
→ CI / compiler / benchmark 的确定性结果

这比把所有历史终端输出原样塞进 1M context 更容易长期扩展。

8. Same Request, Different Answer：Prefix Cache 与低比特量化会进入 Agent 的复现性边界

时间回补：arXiv v1 提交于 2026-09-04；已提交 IEEE Access。（论文）

突破性工程价值

我们通常认为一次 LLM 实验只要固定：

model
prompt
seed
decoding parameters

就足以复现。

这篇工作显示，在长时 Agent serving 中，prefix cache state 也可能成为隐藏输入，而低比特量化会放大这种差异。

实验结构

作者构造 80 个 multi-turn agentic tool-use episode，在两个 serving engine、四种 weight format 上重复运行，并固定：

  • 模型；
  • decoding parameters；
  • seed；
  • request order；
  • serial batch size = 1。

唯一系统性改变的是 cache 开 / 关及相关 serving 状态。

结果

打开 prefix cache 后：

16-bit：36.2% episode 的 Agent trajectory 发生变化
4-bit： 75.0% episode 的 Agent trajectory 发生变化

关闭 cache 后，重复执行在 0 / 800 episode 中出现 divergence，也就是全部 bit-identical；作者据此把其他 nondeterminism 的影响上界限制在约 0.5%。

论文还显示，改变一个 server-level prompt-cache setting 可以让 run-to-run divergence 相差 37.5 个百分点。当 cache state 被恢复后，cached path 与 recompute path 又各自能够稳定复现，说明问题不是“模型随机坏掉”，而是 cache state 实际进入了计算路径。

是否适合真实研发流程

这个结果尤其适合：

  • Coding Agent benchmark；
  • 长时 tool-use regression；
  • 本地 vLLM / SGLang 类部署；
  • 4-bit / 8-bit 端侧模型；
  • A/B 模型路由。

它不意味着所有 prefix cache 实现都会有相同比例的 divergence，论文只测试了有限引擎与 workload，因此不能过度外推。

权限、安全与可验证性风险

如果 Agent 运行结果影响部署、代码合并或安全判断，复现日志至少应保存：

model snapshot
quantization format
serving engine version
cache enabled / disabled
cache configuration
cache provenance / reset policy
seed
request order

真正高风险 verifier 甚至可以选择关闭 cache，换取更清晰的复现边界。

工程落地启发

以后做 Agent regression 不要只写：

GPT-X / temperature=0 / seed=42

而应该保存一个 Serving Provenance Manifest。模型能力越来越强以后，推理引擎的“透明优化”也会变成软件依赖的一部分。

经典论文回顾

Stable Sparse-RRT / SST：没有两点边值求解器，也能做具有渐近性质的 Kinodynamic Planning

Yanbo Li、Zakary Littlefield 与 Kostas E. Bekris 的 Asymptotically Optimal Sampling-based Kinodynamic Planning 最早于 2014 年公开，正式工作发表于 IJRR 2016。论文提出 Stable Sparse-RRT（SST）与 SST：SST 在适当条件下具有 asymptotic near-optimality，SST 进一步得到 asymptotic optimality，同时只保留稀疏状态样本。(论文 · DOI · OMPL SST)

核心问题

RRT* 一类几何规划器可以依赖“从状态 A 精确连接到状态 B”的 steering / local connection。

对真实动力学系统：

quadrotor
car + trailer
underactuated robot
high-dimensional dynamics

两点边界值问题往往没有便宜、稳定的求解器。

但 forward simulation 很容易：

给当前 state
+ 一段 control
→ 得到 next state

SST 解决的核心问题就是：只依赖随机 control propagation，不要求 BVP solver，能否仍然获得有理论保证的高质量解？

算法模块与关键数学思想

SST 属于 control-based incremental tree planner：

State / Control Sampling
        ↓
Forward Propagation
        ↓
Select promising local node
        ↓
Sparse representation / witness logic
        ↓
只保留有竞争力的 trajectory node
        ↓
持续改善 best solution

关键并不是“采更多点”，而是同时解决两个矛盾：

  1. 树必须足够丰富，不能把未来可能通往优解的状态全删掉；
  2. 树又不能像普通随机传播那样无限密集，否则最近邻和传播成本会不断膨胀。

SST 用稀疏化与 dominance / witness 思想控制树规模；SST* 再通过逐步收紧相关参数恢复渐近最优性质。

动力学假设

它要求可以进行 forward state propagation，并满足论文理论中的动力学、cost 与可达性条件。

不需要 steering function 是它最大的实用价值，但这并不代表所有控制系统都天然满足理论假设。接触切换、强不连续动力学和错误的数值积分都会影响实际行为。

当年为什么重要

它给 kinodynamic planning 一个非常清楚的答案：

没有 two-point boundary-value solver，并不意味着只能接受“没有最优性讨论的随机 rollout”。

这也是为什么 OMPL 至今仍提供 control::SST：对于只能 forward propagate dynamics 的系统，它是一条非常实用的基准路线。

今天仍然在使用的思想

今天大量 GPU forward planner、motion primitive tree、sampling MPC 与 learning-guided planner 都延续同一个结构：

结构化 / 随机 control proposal
        ↓
Forward Dynamics
        ↓
Cost / feasibility
        ↓
保留少量真正有价值的 state

尤其对无人机和车辆，真正决定计算效率的往往不是“采样次数”本身，而是哪些历史 rollout 值得留下继续展开。

已被后续扩展和重新审视的部分

现代系统已经加入：

  • learned control proposal；
  • GPU batch propagation；
  • differential-flat command library；
  • barrier / reachability safety；
  • dynamic obstacle；
  • model predictive replanning。

而今天主动态中的《Achieving Asymptotic Near-Optimality Without δ-Similarity》又提醒了一个关键理论边界：采样到接近最优路径的片段，不等于 pruning 后这些片段还存在。换句话说，SST 类算法最值得重新审视的恰恰是sparsification / retention logic，而不能只引用“asymptotically near-optimal”这几个字。

公开代码与可复现性

OMPL 仍提供 SST 的标准 control planner 实现，适合用 Dubins-like、车辆、无人机简化模型做基准。经典论文、DOI 和 OMPL 文档都可以直接获取。

对当前工程项目的重新解读

如果已经拥有无人机 / 轮式机器人动力学 rollout，可以做一个非常实用的三层 planner：

有限控制 / Learned Proposal
          ↓
Forward Dynamics Batch
          ↓
SST-style Sparse Retention
          ↓
短时可执行 trajectory

真正需要重点调试的不只是 propagation dt 和 sampling distribution，还应记录：

node 被谁淘汰
为什么淘汰
当前区域 witness 是谁
被删节点的未来可达性是否独特
best-cost 随时间是否继续改善

今天的新理论工作与 SST 放在一起看，最重要的工程结论是：

Sampling planner 的“内存管理规则”本身会决定你最终还能不能找到好路径。

今日结论

今天的几项工作表面上跨度很大，但共同指向一个非常工程化的趋势：系统质量越来越取决于那些过去被视作“附属实现细节”的中间状态。

NavArena 说明 3DGS 是否能进入导航，不取决于渲染有多漂亮，而取决于能否显式产生 traversability、goal 与闭环 protocol；Conductor 说明远程世界模型不能只讨论 accuracy，还必须显式维护 AoI；新的 sampling-planning 理论则说明即使采样正确，retention / pruning 仍可能改变长期性质。

机器人学习同样在发生这种转变。Dressing in Motion 把人的运动状态显式纳入策略；LSS 把 manipulation phase 与 physical rationale 注入训练表示；ROBORMBENCH 则把“指令换个说法是否仍给相同 reward”升级成可量化的系统属性。VLA 产品化正在从“多模态输入 + 大模型输出动作”走向更明确的状态、阶段、证据与一致性管理。

AI Coding 侧更加直接：Dynamic Context Adaptation 说明真实 execution trace 应当持续更新 Agent context；cache-divergence 工作则说明 serving engine 自身也会改变长期 Agent 轨迹。以后一个可复现 Coding Agent 实验的最小描述，很可能需要同时包含：

repo revision
requirements version
model snapshot
serving engine
quantization
cache state
runtime evidence
validator result

模型上下文变得更长，并不会让这些工程状态消失。

最值得深入研究或尝试复现的方向

  1. NavArena-lite：把现有 3DGS 扫描变成导航回归环境。 从 Gaussian density / depth 提取 2D 或 2.5D costmap，随机生成 1,000 个 start-goal episode，用现有 Nav2 / local planner 跑批量回归，再抽样真机验证 costmap 的 false-free / false-occupied 区域。

  2. SST / Forward Planner 的 crowding-out 回归。 在 OMPL SST 或自研 kinodynamic tree 中记录 witness、pruned node、best-cost 曲线，专门构造“局部低代价但全局错误”的场景，比较不同 pruning radius / retention rule 是否让潜在好 homotopy 永久消失。

  3. VLA 的 Paraphrase + Latent Scaffold A/B。 给现有 reward / VLM judge 建 10–20 条语义等价 instruction 的 metamorphic test；训练侧增加 phase-level rationale / contact-state 辅助监督，验证能否在不增加部署推理成本的情况下同时提高泛化和 reward consistency。

  4. Coding Agent Reproducibility Matrix。 固定一批仓库任务，组合测试 16-bit / 8-bit / 4-bit × cache on/off × engine snapshot，保存完整 Serving Provenance Manifest，统计最终 patch、tool trajectory 与 validator result 的 divergence，而不只比较文本回答。

参考资料