机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-10-05

摘要

今天是周一。截至 2026-10-05 早间，arXiv Robotics 与 Software Engineering 最新常规公开批次仍为 2026-10-02；Robotics 该批次共 107 条。周末没有新的常规 arXiv 批次，因此本期严格从最近 7 天窗口继续筛选此前未覆盖的高价值工作，并与已验证的 2026-10-04 覆盖索引一起按规范化标题、arXiv ID、DOI、GitHub 仓库与项目页强制去重。

经过去重后，周末批次里没有一条新的 SLAM 工作能比 10 月 4 日已经覆盖的 CLoSeR、TRACE 等工作更值得重复报道，因此今天不为了维持栏目比例硬塞重复 SLAM。主动态重点转向控制、机器人基础模型、VLA runtime 与 AI Coding harness。

今天机器人控制最值得看的工作是 InterEvolve。它不在新任务出现时重新训练 humanoid controller，而是把任务写成可执行的 staged reward program：大模型修改程序结构，数值优化器调常数，每个候选都在并行仿真里验证，再把通过验证的程序加入 skill library。作者的核心思路可以概括成一句话：evolve the task, not the controller。最终演化出的技能可从机载第一视角感知直接运行在 Unitree G1 真机上。

机器人基础模型推理效率方面，Kinematic MeanFlow 针对多步 flow-matching action head 的延迟，分析出 robotic foundation model 的 velocity field 在去噪后段存在局部加速度突增和样本幅值分散问题，再通过中间点将时间导数拆成两个子区间项，实现真正的一步动作生成。GR00T-N1.6 的 action-head latency 在 L40 与 Jetson Orin 上下降 67.5%–74.4%，端到端延迟下降 30.3%–54.9%。

长期机器人记忆方面，ECoMEM 不再把历史全部塞进更长 context，也不指望 action supervision 自己学会“该记住什么”。它把 memory maintenance 和 action learning 分离：Writer 根据证据更新 Entity/Spatial、State/Relation、Event/Progress、Temporal/Procedure 等显式概念记录，Reader 再把这些记录编码成 VLA memory token。16 个 RoboMME 任务中领先 15 项，两个新真机任务中达到 86.1% 成功率，而无记忆 VLA 只有 8.6%。

VLA 安全方面，WBAG 从“只保护末端”推进到“保护整机和抓在手上的物体”。系统显式建模 articulated whole-body 和 grasp-dependent attached geometry，将随抓取状态变化的几何转换成可微 CBF 约束，在原生 6D operational-space action 上做最小修正。SafeLIBERO 上 aggregate Scene Safety 为 97.38%，Safe Success 为 59.38%。

多无人机控制方面，Decentralized Safe Path Following 给出了一个非常清楚的安全分层原则：发生冲突时只放松沿路径速度，不放松路径本身和 heading。控制器将 transverse feedback linearization 写成带 4 个等式约束的 QP，在满足论文假设和可接受初始条件时，可证明多机收敛到指定路径、避免碰撞并避开姿态奇异。项目页还给出了 400 Hz 控制、非平面交叉路径和毫米级收敛后路径误差的实验。

VLA 推理监控方面，When Reasoning Helps Action 很重要的一点不是“CoT 可以被纠正”，而是它证明了“推理更正确”并不自动意味着“机器人表现更好”。TRUST 可以把 Alpamayo 1.5 的推理正确率从 75.9% 提升到 90.0%，并降低困难驾驶子集的碰撞；但在 DeepThinkVLA 上，虽然 grasp-state 和 action-choice reasoning 都显著变准，LIBERO-Plus 闭环表现却基本不变。部署 VLA 时，必须把 correctability 和 actionability 分开验证。

AI Coding 主动态有两项值得放在一起看。Finding the Right Fit 测试 66 个 model-harness configuration，发现同一个模型换 harness 后排名可以直接翻转；Terminal-Bench 4 中 Claude 在 OpenHands 里领先 GPT 7.94 分，却在 PI 中落后 30.16 分。ActiveSaddler 则继续向前一步：不仅自动优化 harness 的 prompt、tool interface 和 control logic，还用非平稳 bandit 自动决定“下一批应该训练哪些失败场景”，在相同 rollout budget 下将 GAIA2 Pass@1 提高 4.4 个百分点、Terminal-Bench 2.0 提高 7.5 个百分点。

近期通用旗舰模型方面，本轮重新核验 OpenAI、Anthropic、Google 与 xAI 的官方公开入口，没有发现 10 月 3–5 日新的通用旗舰正式发布。近期 GPT-6.1 Sol、Gemini 4 Argon、Claude Sonnet 5.5 与 Grok 4.7 已在前几期覆盖，因此今天不重复旧发布。

1. InterEvolve：新任务来了，不重新训练人形控制器，而是演化 Reward Program

时间回补：v1 提交于 2026-10-01 17:59 UTC。

为什么重要

人形 loco-manipulation 的现实问题不是“训练一次就覆盖所有任务”，而是现场总会出现训练集之外的新物体、新接触顺序和新任务组合。如果每次任务变化都重新做 RL 或 imitation learning，部署周期会被训练、调 reward 和 sim-to-real 重新验证拖得很长。

InterEvolve 的思路是固定一个已经具备较宽运动能力的控制基础模型，把变化压缩到控制器上方的任务接口：reward program。

任务不是一句自然语言直接进入低层策略，而是被表示为多个阶段的 reward、完成条件和可调常数。LLM 只修改这个程序的结构，数值优化器负责调连续参数，而每个候选程序必须经过并行仿真验证。

算法模块

新任务与场景
    ↓
staged reward program
    ↓
LLM 修改程序结构
    +
numerical optimizer 调常数
    ↓
object-aware FB behavioral foundation model
    ↓
parallel simulation verification
    ↓
通过验证的 reward program
    ↓
skill library
    ↓
Unitree G1 真机执行

其中 object-aware forward-backward behavioral foundation model 在 frozen body prior 上增加 object residual，使针对身体或物体的新 reward 可以直接诱导出已有运动能力的重新组合。

动力学假设、实时性与鲁棒性

这条路线假设 frozen controller 本身已经拥有足够丰富的运动先验，新任务更多是“怎样组合已有能力”，而不是要求机器人突然掌握完全不存在的底层运动技能。

测试时演化不是高频控制回路。真正高频执行仍由冻结 controller 负责；LLM 和 numerical optimizer 运行在更慢的任务适配层。

最大的风险是 reward hacking：reward program 形式上满足 verifier，但产生工程上不希望的取巧动作。因此 verifier 必须独立于 LLM，并且 reward program 最好限制在受控 DSL，而不是允许任意代码直接访问机器人执行接口。

可复现性

作者已公开项目页，展示 task evolution、simulation verification 与 Unitree G1 真机案例。对已有 RL locomotion / humanoid controller 的团队，最值得复现的是“控制器冻结 + 程序化任务目标 + 固定 verifier”这一系统边界，而不是先重做完整 behavioral foundation model。

适合谁关注

Unitree G1、人形 loco-manipulation、已有强底层策略但现场任务不断变化的团队，以及希望让 LLM 参与控制但不让它直接生成关节动作的系统。

工程落地启发

可以把机器人任务接口明确拆成：

controller
→ 冻结、经过大量真机验证

task program
→ 可修改、版本化、可回滚

verifier
→ 独立判断完成、安全和违规

这样 Agent 真正演化的是“任务程序”，而不是在现场悄悄改变底层控制器权重。

论文 · 项目页

2. Kinematic MeanFlow：把机器人 Flow-Matching Action Head 压到一步生成

时间回补：v1 提交于 2026-10-01 00:31 UTC。

为什么重要

许多 VLA / robotic foundation model 使用 flow matching 或 diffusion action head。视觉语言 backbone 即使已经足够快，action expert 仍可能因为 8、16 甚至更多 denoising step 成为闭环延迟瓶颈。

直接套普通 MeanFlow 做一步生成又会出现性能崩塌。Kinematic MeanFlow 的价值在于，它不是简单蒸馏“多步变一步”，而是先分析机器人 action velocity field 为什么不适合普通 MeanFlow。

关键发现与算法

作者观察到两种特殊动力学：

  1. local acceleration 在去噪早期比较稳定，但接近结束时突然增大；
  2. 不同样本的 acceleration magnitude spread 会随着 denoising 推进明显变宽。

K-MF 使用一个中间点，将 MeanFlow 里的时间导数拆成两个子区间项，使两部分分别拟合早期与后期 dynamics，降低后段误差被一步积分放大的问题。

多步 flow-matching teacher
    ↓
分析 velocity-field kinematics
    ↓
中间点拆分时间导数
    ↓
early-stage term + late-stage term
    ↓
one-step action generation

实时性

在 GR00T-N1.6 上，作者报告：

  • action-head latency 在 L40 与 Jetson Orin、eager / compiled mode 下下降 67.5%–74.4%；
  • end-to-end latency 下降 30.3%–54.9%。

这类数字比只报告 FLOPs 更有工程意义，因为真正决定机器人控制频率的是完整 observation→action wall-clock。

鲁棒性与工程风险

一步生成意味着错误没有后续迭代修正机会。部署时不能只比平均任务成功率，还要统计：

P50 / P95 inference latency
action jerk
saturation rate
closed-loop recovery
OOD scene failure
safety-filter intervention

此外，论文标注的代码地址目前仍未能正常访问，因此当前可复现性要保守评价，不能把“作者说将开放”当成已经开源。

适合谁关注

GR00T、π 系列、flow-matching VLA、Jetson Orin 边缘部署，以及控制频率被 action denoising 拖住的团队。

工程落地启发

先 profile 再优化。若 60% 延迟其实在视觉 backbone，一步 action head 收益会有限；只有当 action generation 已经是主要瓶颈时，K-MF 类方法才真正值钱。

论文

3. ECoMEM：机器人记忆应该是可更新的概念记录，而不是无限变长的 Context

时间回补：v1 提交于 2026-09-30 22:54 UTC。

为什么重要

长任务中，机器人经常必须利用当前视野里已经不存在的信息：

  • 刚才把工具放在了哪个抽屉；
  • 人类之前演示的是哪个顺序；
  • 当前多阶段任务已经完成到哪一步；
  • 某个对象之前和另一个对象是什么关系。

仅仅延长 observation history 会把大量无关图像和动作一起塞进 context；依靠 action supervision 学 implicit memory，则没有直接告诉模型“什么事实应该长期保存、什么时候该更新或删除”。

ECoMEM 因此把 memory maintenance 和 action learning 明确分开。

算法模块

当前观察 + 过去证据
        ↓
evidence-based Writer
        ↓
显式 Concept Records
   ├─ Entity / Spatial
   ├─ State / Relation
   ├─ Event / Progress
   └─ Temporal / Procedure
        ↓
learned Reader
        ↓
memory tokens
        ↓
VLA action policy

Writer 管理事实，Reader 决定当前动作需要怎样读取这些事实。

结果

论文报告：

  • 16 个 RoboMME memory-dependent task 中领先 15 项；
  • 两个新真机任务中，同一 memory library 可直接迁移或只增加一个新 concept；
  • pooled real-robot success 为 86.1%，no-memory VLA 为 8.6%。

项目页还展示 concept record 的更新过程，说明 memory 不只是静态 retrieval，而是可以随新证据改变状态。

鲁棒性与工程风险

显式 memory 最大风险不是“忘记”，而是“错误事实长期存活”。

产品接口至少应该让每条记录保存：

concept_id
evidence_source
confidence
created_at
last_verified
invalidation_condition
supersedes

如果新的视觉证据和旧记忆冲突，应该触发 revision，而不是把两个互相矛盾的事实都塞给 VLA。

可复现性

项目页已经公开，代码当前仍标记 coming soon。即使不复现模型，也可以先在机器人 Agent 上实现结构化 concept store，再比较“无限历史上下文”和“明确状态记录”在长任务中的 token、错误累积和恢复能力。

适合谁关注

长时机器人 Agent、VLA、巡检操作、需要记任务进度和对象状态的系统。

工程落地启发

机器人 memory 最好像数据库，而不是聊天记录。真正应该持久化的是可以被验证、修改和失效的事实，而不是整段原始历史。

论文 · 项目页

4. WBAG：VLA Safety 不能只包住 TCP，还要保护前臂和抓在手里的物体

时间回补：v1 提交于 2026-10-01 05:26 UTC。

为什么重要

很多 inference-time VLA safety method 把机器人近似成末端附近的点或球。真实操作里，最先撞到障碍的却可能是 elbow、forearm、wrist，或者刚刚抓起的长物体。

尤其是 grasp 发生后，机器人的有效碰撞几何已经发生变化。如果 safety shield 不知道“手里多了一根杆”，它即使保证夹爪本身安全，也可能让杆子扫到环境。

算法模块

VLA native 6D operational-space action
        ↓
whole-body articulated geometry
        +
grasp-dependent attached-object geometry
        ↓
grasp-conditioned safe set
        ↓
differentiable CBF constraints
        ↓
minimal action correction
        ↓
safe operational-space action

关键是 protected geometry 会随着 grasp state 动态更新。

结果

在 SafeLIBERO 上，作者报告：

  • aggregate Scene Safety：97.38%；
  • Safe Success：59.38%；
  • 在论文评估的方法里取得最佳整体安全与安全任务成功表现。

动力学假设与工程风险

CBF 约束的可信度依赖 robot geometry、attached-object geometry、环境感知和动作模型。

最危险的一类错误是“抓取状态已经变化，但 collision model 还没更新”。因此产品里最好让 grasp event、object pose、geometry revision 与 safety constraint 更新成为原子流程。

建议记录：

protected_link_set
attached_object_id
geometry_revision
minimum_distance
barrier_margin
action_correction_norm

可复现性

当前没有稳定的官方代码入口，因此更适合作为系统设计参考。对于已有 MoveIt / Pinocchio / FCL 几何模型的团队，先做 whole-body + attached-object collision shield，就已经能验证核心收益。

适合谁关注

VLA 操作、桌面机械臂、人机共域、长物体搬运，以及已有 VLA 不想重新训练但希望增加运行时安全层的团队。

工程落地启发

安全层的几何对象应该和 planner 使用同一套 scene graph / attached-object 状态。否则“规划器知道手里抓了东西，安全过滤器不知道”会形成非常隐蔽的接口漏洞。

论文

5. 多无人机 Safe Path Following：冲突时只放慢，不偏离预定路径

时间回补：v1 提交于 2026-09-20 23:12 UTC。

为什么重要

多机在走廊、固定空域、检查线或轨道附近运行时，路径本身往往就是安全边界。常见 nominal controller + safety filter 在发生冲突时会修改整个 velocity vector，虽然避免了碰撞，却可能把飞机推离允许航路。

这篇工作把“什么可以牺牲、什么不能牺牲”写得非常明确：

只放松 along-path speed；path adherence 和 heading 保持硬约束。

算法模块

作者将 transverse feedback linearization 写成 constrained QP，并使用四个等式约束：

2 × 路径收敛 / 严格跟随
1 × desired speed
1 × heading

安全冲突发生时，QP 允许调整沿路径速度，而路径和 heading 等式保持不动。

理论保证与实时性

在论文假设和 admissible initial conditions 下，作者证明：

  • 所有 agent 收敛并保持在指定路径上；
  • 避免相互碰撞；
  • 避免 attitude singularity。

项目页给出的实验包括：

  • 400 Hz controller；
  • 四架 quadrotor 的非平面交叉圆轨迹；
  • 两机 sinusoid crossing，保持约 0.8 m separation；
  • 收敛后的 worst path error 约 0.5 mm；
  • heading error 小于 1e-3 degree；
  • QP equality residual 约 1.1e-13，未出现 feasibility-test failure。

鲁棒性与工程风险

理论保证总是相对于模型、感知和通信假设成立。真实系统还需要考虑：

state-estimation latency
clock skew
packet loss
actuator saturation
wind disturbance

尤其是如果其他飞机的位置已经滞后，QP 可能在“数学上安全的旧世界状态”上求解。

可复现性

作者提供项目页、代码和额外结果，是本期控制项目里可复现性较好的一项。

适合谁关注

多 UAV 编队、固定航路交叉、仓库空中物流、希望有明确安全保证又不能让安全层随意偏离路径的系统。

工程落地启发

这是一个很通用的 safety-filter 设计原则：

hard constraints
→ 绝不能破坏的几何 / 法规 / 接触要求

soft performance
→ 速度、进度、效率

安全层应该优先牺牲性能，而不是牺牲任务的物理边界。

论文 · 项目页

6. When Reasoning Helps Action：CoT 变正确，不代表机器人真的会做得更对

时间回补：v1 提交于 2026-09-30 19:04 UTC。

为什么重要

Reasoning-enabled VLA 开始输出可读 CoT，这看起来给 safety monitor 提供了一个诱人的接口：

reasoning 有问题
→ 检测出来
→ 修正 reasoning
→ 动作就会更安全

但最后一步并不天然成立。

这篇论文专门把这件事拆成两个不同指标：

  • correctability：错误推理能否在生成过程中被发现并改正；
  • actionability：推理修正以后，机器人行为是否真的按预期改变。

TRUST

作者训练 Token-level Reward for Utility-Steered Chain-of-Thought（TRUST），从 partial reasoning prefix 预测最终 reasoning 是否正确，再对冻结 VLA 的推理生成进行选择性 steering。

它并不直接修改 VLA 权重，而是在 inference time 影响 reasoning trajectory。

结果

Alpamayo 1.5：

  • reasoning correctness：75.9% → 90.0%；
  • monitor correctness：88.9%；
  • 困难 AlpaSim 子集 collision rate 相对 unsteered 降低 30.4%；
  • maximum trajectory error 降低 11.5%；
  • 优于 compute-matched Best-of-4。

DeepThinkVLA：

  • grasp-state correctness：69.3% → 90.2%；
  • action-choice correctness：68.8% → 85.9%；
  • 但 LIBERO-Plus closed-loop task performance 基本没有明显提升。

工程风险

这个结果非常重要：CoT 不是控制系统的 safety certificate。

一个 reasoning monitor 可能成功让文本解释变得更正确，但 action expert 对这些 token 不敏感，或者视觉 / 动力学瓶颈根本不在 reasoning。

因此部署 CoT steering 时至少要同时测：

reasoning correctness
action delta
trajectory delta
task success
safety event rate

如果只有前两个指标变好，不应该声称机器人更安全。

可复现性与适合谁关注

目前论文是研究性方案，适合 reasoning VLA、自动驾驶 VLA、希望把语言推理接入 runtime monitoring 的团队。

工程落地启发

在机器人里，任何“中间解释更合理”的改进都必须最后落到可执行行为指标。对于 safety，真正的最终证据仍然是 geometry、constraint、trajectory 和实际闭环结果。

论文

7. Finding the Right Fit：Coding Agent 选型不是 Model 排行榜，而是 Model × Harness × Task

时间回补：v1 提交于 2026-10-01 01:49 UTC。

突破性工程价值

企业选 Coding Agent 时经常先问“哪个模型最强”。但真正执行任务的不是模型单体，而是：

model
+ prompt scaffold
+ tool schema
+ retry strategy
+ failure feedback
+ context management

也就是完整 harness。

Finding the Right Fit 系统测试了 66 个 configuration：

  • 4 个可配置 harness：OpenHands、DeepSeek Harness、PI、openJiuwen；
  • 5 个模型；
  • TUA-Bench、ALE-CLI、Terminal-Bench 4；
  • 另外加入 native Codex-GPT 与 Claude Code-Claude pairing。

最重要的结果

model ranking 会随 harness 翻转。

Terminal-Bench 4 中：

  • Claude 在 OpenHands 里比 GPT 高 7.94 分；
  • 换到 PI 后，Claude 反而比 GPT 低 30.16 分。

5 个模型中有 4 个，其最佳 harness 会随 benchmark 改变。

openJiuwen 则让 Kimi 在三个 benchmark 上都达到自己的最好成绩，提升 5.61–11.11 分。

论文还发现 vendor 自家 harness 并不稳定地是最佳选择，高成本也不保证更高分；Terminal-Bench 4 上，GPT 在 PI 中比 DSH 分数更高，但 cost per task 不到后者四分之一。

为什么 Harness Fit 会这么重要

作者对 matched trajectories 的解释很值得工程团队关注：大部分修复是模型主动开始的，真正的差异在于 harness 能否把失败以“模型可以利用的形式”反馈回来。

GPT 更适合 PI 的 lean scaffold；Kimi 容易生成 malformed tool call，因此在 openJiuwen 的额外结构下更强。

可复现性

作者公开 harness adapters、evaluation code 和 6,204 条 scored trajectories，适合直接拿来做内部模型路由实验。

权限与工程风险

不要因为某个 harness benchmark 高就直接迁移生产权限配置。A/B 时必须保持：

same repository snapshot
same task set
same sandbox
same tool permissions
same timeout
same cost accounting

否则测到的不是 harness fit，而是权限和预算差异。

适合谁关注

Codex、Claude Code、OpenHands、自研 Agent runtime、多模型 router，以及已经发现“同一个模型换工具后表现完全不同”的团队。

工程落地启发

内部 leaderboard 最好把行从“模型名”升级成：

model × harness_version × task_family

再记录：

success
wall-clock
cost
tool errors
test reruns
human correction

模型升级和 harness 升级都需要独立版本号。

论文 · 代码

8. ActiveSaddler：Harness 优化下一步是自动选择“最值得继续练的失败模式”

时间回补：v1 提交于 2026-10-01 01:36 UTC。

突破性工程价值

自动 harness optimization 已经可以根据 rollout feedback 修改 prompt、tool interface 和 control logic，但多数方法仍按固定 scenario 顺序训练。

问题是 harness 变强以后，原本最有价值的失败案例可能已经解决；继续重复这些 scenario 只是在浪费 rollout budget。

ActiveSaddler 把“接下来训练什么”也变成优化问题。

算法模块

execution trajectories
    ↓
提取 recurring failure patterns
    ↓
动态创建 failure-pattern arms
    ↓
non-stationary bandit
    ├─ exploit 当前最有学习价值的已知失败
    └─ explore 新 scenario 发现新失败
    ↓
选择下一批优化任务
    ↓
harness optimizer
    ↓
prompt / tool / control logic 更新
    ↺

随着 harness 改变，每种 failure pattern 的学习价值也会重新估计。

结果

在相同 rollout budget 和相同模型设置下：

  • GAIA2 Pass@1 提高 4.4 个百分点；
  • Terminal-Bench 2.0 提高 7.5 个百分点。

项目页还报告达到开发目标的实验成本：

  • GAIA2：约 1360 美元 → 298 美元，约 4.6× 降低；
  • Terminal-Bench 2.0：约 220 美元 → 128 美元，约 1.7× 降低。

这里最值得关注的不是绝对美元数，而是把 expensive rollout budget 从“平均撒给所有任务”改成“集中到仍然暴露系统弱点的任务”。

可复现性与风险

作者公开项目页和实现。最大的风险是 curriculum 过拟合当前 benchmark：如果 failure-pattern extractor 只会围绕历史错误打补丁，可能损害未知任务泛化。

因此内部使用时最好保留：

fixed holdout suite
adversarial unseen suite
failure-pattern coverage
regression count
cost-to-target

每轮优化都必须经过独立 holdout，而不是只看 active curriculum 上的分数。

适合谁关注

自研 Coding Agent、Agent harness 自动优化、长期 regression suite、大量 rollout 成本敏感的团队。

工程落地启发

即使暂时不自动改 harness，也可以先自动做“测试选择”：每天从过去一周真实失败中聚类 failure pattern，优先跑最可能产生新信息的一小组 regression，而不是每次都把几千条测试全跑一遍。

论文 · 项目页

AI Coding 实战技巧精选

技巧 1｜Claude Code 依赖 Bash deny / ask 规则时，先升级到 v2.1.289 再给 Agent 高权限

  • 来源：Anthropic / 2026-10-03 / Claude Code v2.1.289。
  • 一句话结论：v2.1.289 修复了多类 permission-rule 绕过边角，包括复合 shell 命令的嵌套部分、环境变量前缀命令、sandbox auto-allow，以及 symlink 场景下 Read deny 未生效。只要团队把 deny / ask 当成安全边界，就应该先升级再继续扩大自动执行权限。
  • 具体怎么做：
    1. 将开发机、CI runner 和远程 Agent 环境统一升级到 v2.1.289 或更新版本。
    2. 建一个 permission regression：至少覆盖 compound command、变量前缀命令和 symlink read，例如让被禁止命令出现在 && / ; 后，或以环境变量赋值开头。
    3. 在升级前后跑同一组 regression，确认禁止项全部进入 deny / ask，而不是被 sandbox auto-allow。
    4. 只有 regression 通过后，再允许 background agent、plugin / mod 或更宽的 shell 自动执行。
  • 适合什么场景：Claude Code、企业 managed settings、高权限 shell、插件 / Mods、自动 CI 修复。
  • 注意：版本修复不是 OS sandbox 的替代品。生产凭据、发布权限和危险文件系统操作仍应由系统权限隔离。

技巧 2｜把 Codex Cloud 环境先“准备并发布”，再让多个任务复用同一套依赖和网络权限

  • 来源：OpenAI / 2026-09-29 起正式公开 / Codex Cloud 官方文档。
  • 一句话结论：不要让每个 Cloud task 自己临时猜依赖、安装工具和申请网络。先创建一个经过测试的 environment，把 repository、install script、tools、network allowlist 和 secrets 配好并发布，后续任务各自使用独立 workspace 但复用同一环境定义。
  • 具体怎么做：
    1. 在 Work in → Cloud 中创建 environment，选择需要的 GitHub repositories，让 Codex 自动检查依赖和工具。
    2. 审查 install / setup 结果，补齐必要的环境信息和权限，跑通项目测试后再 Publish。
    3. 在 environment 设置中只开放必要的 package registry / API domain；需要凭据时使用 network secrets，不把业务密钥写进仓库。
    4. 后续任务直接从已发布 environment 启动；项目依赖、工具或权限变化时更新 environment 并重新验证，而不是让每个任务自己漂移。
  • 适合什么场景：Codex Cloud、大仓库、多个并行 Agent、需要私有包源 / API 的团队、从手机或远程设备启动任务。
  • 注意：environment 是可复用配置，不代表任务之间共享 working tree；每个 task 仍有独立 workspace。网络权限和 secrets 也要按最小权限配置。

经典论文回顾

Dynamical Movement Primitives：用稳定吸引子承载可学习的运动形状

Auke Ijspeert、Jun Nakanishi、Heiko Hoffmann、Peter Pastor 与 Stefan Schaal 的 Dynamical Movement Primitives: Learning Attractor Models for Motor Behaviors 发表于 Neural Computation 2013，是 DMP 路线的系统化代表论文；其基本思想可追溯到 Schaal 团队 2002 年 ICRA 的 humanoid movement imitation 工作。

核心问题

如果直接存一条时间序列轨迹，机器人可以重放，却很难自然地：

  • 换起点；
  • 换终点；
  • 改执行速度；
  • 在保持稳定性的同时调整运动形状；
  • 在示范基础上继续优化。

DMP 的核心是把“稳定到达目标”和“复杂轨迹形状”拆开。

关键数学思想

最常见的离散 DMP 使用二阶 spring-damper attractor：

τ v_dot = K(g - x) - Dv - K(g - x0)s + K f(s)
τ x_dot = v

再用 canonical system：

τ s_dot = -α s

让 phase variable s 单调衰减。

其中稳定 spring-damper 保证系统趋向目标 g；非线性 forcing term f(s) 使用一组 basis function 表达示范轨迹的形状。

这使“学运动”变成“学 forcing-term weights”，而不是重新学习整个控制动力学。

传感器 / 动力学假设

经典 DMP 本身不解决机器人完整动力学与碰撞，它生成的是 desired motion / trajectory representation。

真正部署时仍需要：

tracking controller
inverse dynamics / operational-space control
joint / torque limits
collision avoidance
contact handling

因此 DMP 更像一个稳定、可调的 skill representation，而不是完整 whole-body controller。

当年为什么重要

DMP 给机器人学习提供了一个非常实用的折中：

  • 比直接 trajectory playback 更能泛化起终点和时间尺度；
  • 比完全 black-box policy 更容易解释；
  • 吸引子结构带来明确的稳定性；
  • 参数空间适合 imitation learning、RL 和 black-box optimization。

这也是后来大量 Learning from Demonstration、skill library、trajectory adaptation 工作的基础之一。

今天仍在使用的思想

即使今天 VLA、diffusion policy 和 humanoid foundation model 已经非常强，DMP 留下的三个思想仍然重要：

  1. 低层运动先验和高层任务变化要解耦。
  2. 可学习部分最好放在受稳定结构约束的参数空间里。
  3. skill 应该能被重定向、组合和参数化，而不是只能复读训练轨迹。

今天 InterEvolve 其实延续了相同系统哲学，只是可编辑接口从 DMP forcing weights 升级成了 staged reward program：底层 controller 已经很强，现场适配尽量发生在更小、更可验证的任务参数空间。

已被后续替代 / 扩展的部分

经典 DMP 对复杂接触、多峰行为和高维场景语义表达能力有限。

现代系统扩展出了：

  • Cartesian / quaternion DMP；
  • coupling terms 与 obstacle avoidance；
  • probabilistic movement primitives；
  • 双臂 / 多臂耦合；
  • DMP + CBF；
  • diffusion / VLA skill generation；
  • foundation-policy 上的 task adapter。

所以今天不应该把 DMP 当作“比神经策略更先进的替代品”，而应把它当作一个重要设计原则：把学习放进一个稳定、可控制、可复用的行为接口里。

公开代码与可复现性

目前有多套成熟开源实现。DFKI 的 movement_primitives 提供 DMP、ProMP、Cartesian / Dual Cartesian DMP，并支持 coupling term；dmpbbo 则包含 Python/C++ 实现和 black-box optimization 示例。

最值得做的复现实验不是简单重画论文曲线，而是拿一条现有机械臂示教轨迹，测试：

改起点
改终点
改时间尺度
加障碍 coupling
加控制约束

再与直接 spline playback 和 learned action policy 比较失败边界。

对当前工程项目的重新解读

对于机器人 Agent / 操作系统，可以把 skill 分三层：

task intent
→ reward / symbolic program

reusable motion primitive
→ DMP / trajectory prior / learned skill

physical execution
→ MPC / WBC / vendor controller

越往下越稳定、越少在线修改；越往上越允许 Agent 组合和适配。这比让 LLM 直接生成底层控制更容易验证，也与今天 InterEvolve 的设计非常一致。

论文 DOI · movement_primitives · dmpbbo

今日结论

今天最清楚的一条主线，是机器人和 Coding Agent 都在把“可变化的部分”从核心系统里拆出来，放到更小、更容易验证的接口上。

InterEvolve 不在线重训 humanoid controller，而是演化 reward program；ECoMEM 不把所有历史塞进模型，而把应该长期存在的信息变成显式概念；WBAG 不重训 VLA，而是在 action 落地前增加 whole-body + attached-geometry safety shield；多机 safe path following 则只放松速度，不允许安全层破坏路径和 heading 这些硬边界。

Kinematic MeanFlow 说明另一个很实际的问题：机器人 foundation model 的推理架构最终必须面对控制周期。模型平均成功率再高，如果 action head 让闭环频率掉到不可用，也很难进入真正的边缘机器人。未来 VLA 的竞争会越来越同时包含 intelligence、latency、jitter 和 safety-filter compatibility。

When Reasoning Helps Action 又给 reasoning VLA 一个很重要的刹车：推理文字变正确，只能证明 reasoning interface 更干净，不能证明物理行为更可靠。机器人系统最后必须回到 trajectory、constraint、collision 和任务成功这些可执行证据。

AI Coding 两项主动态则把“模型强弱”重新定义成系统问题。Finding the Right Fit 表明 model 和 harness 是不可分割的配置；ActiveSaddler 进一步表明 harness 训练数据也不能固定不变，应该把有限 rollout budget 花在当前仍然暴露系统缺陷的 failure pattern 上。

今天两个实战技巧也指向同一方向：高权限 shell 的安全不能只靠 Prompt，要升级并回归测试 permission engine；远程 Agent 的环境不能每次临时重建，要先发布一份经过验证、最小权限的 cloud environment。

如果把今天整期压缩成一句话：

成熟的机器人和 Coding Agent，不是让核心模型在线随意改变一切，而是把任务、记忆、偏好、验证、权限和适配拆成有明确契约、可回归、可回滚的小接口。

最值得深入研究或尝试复现的方向

  1. Humanoid Reward Program Sandbox：保留现有 locomotion / whole-body policy，定义一个受限 staged-reward DSL，让 Agent 只能改任务阶段、目标和权重，每个候选必须经过固定仿真 verifier。
  2. VLA Action-Head Latency A/B：在 Jetson Orin 上把视觉 backbone 和 action head 分别 profile，只有确认多步 flow matching 是主要瓶颈后，再测试 K-MF / early-exit / distillation。
  3. Explicit Robot Memory Store：给长期任务建立 Entity / State / Event / Procedure 四类结构化记录，保存 evidence 和 invalidation condition，与纯长 context 做失败率和 token A/B。
  4. Attached-Object Safety Geometry：机械臂每次 grasp / release 时原子更新 attached geometry，并让 planner、collision checker 与 runtime shield 读取同一 revision。
  5. 多机 Safety QP 的硬软约束分层：固定 path / heading 为 hard constraint，只允许 speed 退让，故意注入定位延迟和 packet loss 测理论假设被破坏后的真实 margin。
  6. CoT Actionability Regression：reasoning monitor 每次改写推理后，都记录 action delta 和闭环 task delta；没有行为改善的 reasoning gain 不进入安全 KPI。
  7. Model × Harness × Task Leaderboard：内部评测不再只登记 model name，而是绑定 harness version、tool schema、权限和 task family。
  8. Failure-Pattern Curriculum：把最近一个月 Agent 真实事故聚类，只对仍频繁出现且修复后最可能提高成功率的 failure pattern 分配昂贵 regression / rollout budget。

参考资料