验证损失能预测真机成功率吗？SO-101 机械臂上四种模仿学习策略的实测
研究在 SO-101 机械臂的抓取放置任务上训练 ACT、Diffusion Policy、SmolVLA 和 π0.5（仅动作专家），用 12 至 200 条演示的嵌套子集对比留出验证损失与真机闭环成功率。
试运行：收录范围与分类仍在校准，更新可能延迟。 最近内容更新：2026-11-04 17:28（北京时间）
#评测/基准
arXiv · cs.ROAI 评分5959 arXiv · cs.ROAI 评分5656 SPARK：通过物理重观测自我纠错的具身记忆框架
SPARK 是一个面向具身 RAG 的多回合纠错框架：首回合后由语义评审模块标记知识库区域，定向规划器生成重访，再按新观测对知识库做增删替换的选择性合并。
新智元AI 评分5858 SpatialScout 基准发布：考察智能体主动探索并定位三维空间物体
新智元报道了 SpatialScout 基准，它让 AI 在未见过的虚拟房间中自主决定转向、移动和拍摄，并提交目标物体的三维坐标。
机器之心AI 评分7575 飞捷科思与复旦CITLab提出Fysiverse-UniWAM，24项真机测试导航与移动操作双第一
飞捷科思（Fysics AI）联合复旦大学认知与智能技术实验室提出统一世界动作模型 Fysiverse-UniWAM，不依赖大规模机器人预训练，将自主导航、移动操作与固定工位灵巧操作贯通。
我爱计算机视觉AI 评分6262 浙江大学等提出 PVBench：用物体级物理量评测生成视频的物理合理性
浙江大学 APRIL Lab、华中科技大学和腾讯优图实验室的研究团队提出 PVBench，通过物体级物理量测量评估生成视频的物理合理性，覆盖 7 个领域、46 个评测维度，其中物理层 25 个维度，并配套 600 组文生视频与图生视频配对提示词，30% 涉及具身智能体场景。
我爱计算机视觉AI 评分5858 DualExam 提出多模态智能体与世界模型受控评测框架
研究团队发布 DualExam，将多模态智能体与世界模型放进受控评测流程，分别检查行动选择与环境响应。在 GPT-5.6 Sol 与 Seedance 2.5 直接交互的十种场景、150 个案例试验中，严格任务成功率为 0%，世界状态一致性为 26.6%，智能体纠正响应为 9.2%。
RobohubAI 评分4242 NimbRo 团队访谈：五夺 RoboCup@Home 冠军，凭半监督标注论文获 RoboCup 2026 最佳论文奖
Raphael Memmesheimer 带领的 Team NimbRo 在 RoboCup 2026 的 RoboCup@Home 比赛中获得第三名，并凭论文《Efficient Image Annotation via Semi-Supervised Object Segmentation with Label Propagation》拿下最佳论文奖。