没有匹配的论文，请调整关键词或筛选条件。

原18仓库保留2026-09-10快照；HydroShear于9月14日复核。许可按代码、资产、数据与依赖分别记录。

本节是基于原文框架的增补，保留上方 38 篇候选、29 篇核心与 7 篇精读的 9 月口径。这里的“相关”指对 DexLab 研究问题有用；通用世界模型、腿式与人形工作均保留其任务边界，不改称多指手实证。以下是文献判断与建议，尚未在 DexLab 复现。

相关性沿用本次推荐评分：14 篇为 4/4，PDE 参考为 3/4；它衡量与研究方向的关联，不是论文质量或方法性能排名。Rollback、RoboJEPA、DiffContact 已有全文笔记；另三篇重点核对相关正文与图表；八篇补读依据摘要及可得正文定向筛选。

回到原文的三条实验路线

此前 10 月增补已介绍 DONIC 和 SuperMimic。本节补入 FlashDexRetarget、ReDexT、Dex-SuperMimic 与 Weave 接入，保持原有 38 篇候选、19 个仓库与 14 篇 10 月工作的历史口径。以下是外部文献和实现核查，不是 DexLab 复现。

同一只手拿起瓶子、转动瓶子和放下瓶子，可以共享控制经验；动作目标不同，部分接触动力学仍然相同。但物体形状、质量、摩擦或关节结构改变时，共享模型也需要相应条件与状态表示。这条路线连接第五层“数据与策略”、第三层“物理演化”和第六层“验证”。

共享策略让同一套参数根据当前状态与参考动作选择控制；共享 world model学习状态和实际动作如何产生下一状态，并可通过想象 rollout 的梯度训练策略。前者可以只用 FlashSAC 或 PPO，二者并不绑定。物理仿真吞吐、经验复用和可微优化带来的收益应分别比较。

FlashDexRetarget 项目页报告 XHand 的 50 条示范中 90% 在 29 GPU 小时内转换成功，1,000 条示范中 600 多条在 60 GPU 小时内成功转换。这是作者的累计数据转换结果，不能直接解释成最终冻结策略在全部示范上的稳定成功率。不同论文的手型、初态、阈值和计算成本口径不同，本表不构成性能排名。

SuperCHORD 可以提出什么问题

“多示范共用策略”已有上述先例。将 CHORD 接触力旋量指导、共享手—物 WM 与参考条件策略结合起来，可以作为研究设想；本次定向检索不足以支持“首次”的主张，也没有建立 DexLab 的训练结果。

有辨别力的比较是：每条示范独立训练、相同示范联合 FlashSAC、相同联合设置下通过 WM 梯度更新策略。先固定奖励来区分共享与模型的收益，再比较接触指导的增益。可以从同一种手与兼容物体表示开始，先按示范均匀采样；这是建议，不是已经冻结或执行的实验协议。

统一记录总 GPU 小时、仿真交互量、累计转换数、最终 checkpoint 的训练集覆盖、未见轨迹与未见物体表现。模型还需检查前向误差、接触附近动作响应以及更新后原生仿真收益；低预测误差本身不能证明优化方向有用。首次阅读建议按 FlashDexRetarget → DONIC / ReDexT → 两个 SuperMimic 实现的顺序，分别理解共享训练、泛化和动力学模型优化。

本专题核查于 2026-11-03，依据上述论文、官方项目页与固定仓库快照；没有重新完成所有论文的全文精读，也没有复测作者结果。

2026-11-11 调研结论：优先借鉴评测方法，把接触模型误差、计算重复性、任务完成与真实预测能力分别报告。 SimBenchmark、ContactBench、GPUSimBench、GAUGE 最贴近 DexLab 的物理诊断；DexGraspBench、ContactBench 1.0、HandsOn 提供操作任务设计；SIMPLER 提供仿真是否能帮助选择真实策略的验收思路。任务更多、成功率更高或 FPS 更大，各自只能支持对应范围的结论。

本专题覆盖机器人操作与接触仿真，兼顾柔性物体、任务泛化和 GPU 性能；不把自动驾驶、导航或视频生成的所有 benchmark 收作同一排行榜。以下是代表性调研，不声称穷尽。内容是外部机制分析与迁移建议，没有新增 DexLab 物理实验，也没有改变已有验收协议或工作顺序。

用一次“拿起瓶子、转动、放下”区分评测对象

这是自拟的说明例子。瓶子没掉下来，可能是接触真的能承载，也可能是手腕运动、辅助约束或评分窗口掩盖了问题。瓶子转到了目标角度，也可能是整个手腕转动，尚未发生预期的手内换指。放到目标区域后立即计分，还可能接受尚在运动或仍被手指夹住的物体。

同一段动作因此需要几种不同的检查：物体相对手掌的位姿、承载与接触切换、松手后的稳定状态、超时与失败原因，以及计算成本。若要据此选真实机器人策略，还需要在相同条件下对多种策略做仿真与真机配对。这个例子贯穿下面的取舍，不能用任一单项分数替代全部证据。

代表性 benchmark 地图

表中的“可借鉴”是本次分析，不代表已经接入 DexLab。论文覆盖、代码覆盖与排行榜使用的子集可能不同。

近期的 RoboLab 与 RoboDojo 也提供规模化任务评测入口，本次作广度索引，没有审计其完整评分实现。它们的任务目录可供后续选例；当前优先级仍是把已有接触实验的判据与失败解释做清楚。

最值得迁移的五个机制

1. 同时问“解得准不准”和“选的物理模型对不对”。 SimBenchmark 的 rolling 场景将速度与解析参照比较；ContactBench 进一步把接触律偏离、求解精度与步长敏感性拆开。对瓶子抓持，接触模型若缺少必要的抗扭作用，仅增加迭代不一定能保持住。DexLab 已有这种区别的直接证据：Wuji 合成夹球的抗扭接触改变了保持位移，但没有建立真实指垫参数或求解器失效。建议沿已有解析斜面与夹球记录，分别整理参考误差、同模型残差、步长/容差敏感性和耗时；理想刚性库仑关系只在所声明假设下作为参照，不用它无条件否定有意建模的柔顺接触。ContactBench §IV · DexLab Wuji 证据

2. 向真实重复测量对齐，同时保留任务需要的观测。 GAUGE 将几何、物理参数、真实轨迹和实验波动放在一起，避免把一个更细步长的仿真当成真值。其 §3.2 的刚体广义轨迹是位置，织物与体积软体使用各自形变表示；对 DexLab 的瓶子转动，还必须保留姿态、相对手掌旋转和接触事件。它使用的轨迹时间对齐也应与原时间轴误差分开，避免隐藏延迟。先借鉴测量与参数来源的组织方式；真实材料准确性仍要有相应的实物数据。GAUGE §3.2 与附录 B

3. 用并行规模与重复运行检查计算稳定性。 GPUSimBench 区分同一批环境间的差异和独立运行间的差异。DexLab 若后续扩展 GPU 批量接触实验，可在相同初态、输入和计时边界下改变并行数，观察位姿误差、接触丢失及成功判定是否变化，再联合看吞吐和显存。源码中的 MuJoCo Warp 吞吐按“环境数 × 测试步数 / 墙钟时间”计算，包含显式同步；这不是单环境控制频率。还应单列冷启动/编译、稳态步进、观测/渲染和记录成本。这是建议的检查维度，不预设哪种引擎必然不确定。GPUSimBench §III–VII

4. 把成功过程、合理用力与评分漏洞放在同一张结果单上。 DexGraspBench 提供保持与扰动协议，ContactBench 1.0 通过机构阻力改变行为要求，HandsOn 则把复杂任务分阶段观察。迁移到 DexLab 时，先复用现有夹球、释放和 LIBERO 记录审计评分：只进入目标区域、仍被夹持、隐藏支撑、错误事件顺序或直接改写评分状态，分别会不会被接受；合理成功又是否误拒。随后才设计接触阶段任务。ContactBench 1.0 同时报告成功、进度和峰值用力，但其具体力阈值不能直接成为另一只手的安全阈值。ContactBench 1.0 实验 · DexLab 当前设计顺序

5. 最终检查仿真是否帮助作出正确选择。 SIMPLER 的价值是比较同一批策略在仿真与真实环境中的表现。其指标代码同时提供 Pearson 相关性和 mean maximum rank violation（MMRV）：后者衡量仿真排错顺序时，涉及的真实表现差距有多大。DexLab 后续若具备配对真机条件，应在未用于调参的条件上同时看绝对成功率偏差、排序错误和不确定度。当前的物理诊断与脚本回放不能冒称这种策略评价已经完成。CALVIN 的链长统计可借来描述连续任务可靠性，但还要声明策略记忆和环境状态分别何时重置。SIMPLER 指标源码 · CALVIN 序列实现

从“评分漏洞”到“榜单投机”：高分究竟识别了什么

Jiang 等人的 What Are We Actually Benchmarking in Robot Manipulation?（CoRL 2026 Oral, Best Paper Award Finalist）不是在证明“所有榜单都造假”。它更严格的结论是：总分可能同时由目标能力、任务捷径、长期适配的窄测试分布、训练数据距离和统计噪声产生，因而高分未必能唯一识别所声称的能力。直接改 scorer 是一层；即使 evaluator 按设计工作，协议仍可能允许不具备目标能力的系统得高分。

DexLab 不应用又一个总分回应这些结果。Discussion #302 补充的最小顺序是：

1. 保留 region/tolerance、事件顺序、idle、隐藏支撑与 state injection 的 scorer mutation audit，先确认评分语义。
2. 对声称的语言、视觉、触觉或手内能力，去掉对应信号，或用 task ID、固定动作、特权状态替代。
3. 在已声明的训练支持内重采样物体初姿、支撑高度、相机、接触初态与语义对称条件，与 OOD 应激分开。
4. 披露 train/test 共享的资产、scene template、seed/grid、仿真器和生成器；预先冻结实例、分母和独立统计单位，发布逐 episode/run 成对结果。

这些是单向反证：找到捷径能否定“分数必然证明能力”，未找到当前捷径不能完成 benchmark validity proof。RoboCasa/RoboTwin 2.0 的简单探针明显落后于榜首，只能说它们没被这一探针破掉。这是设计输入，不是 DexLab 新实验结果。

对 DexLab 的具体取舍

DexLab 已有独立评分、解析斜面、接触保持和任务/诊断分离的记录。本次调研补充的是：怎样给这些结果提供更明确的比较轴，以及哪些外部证据能够改变下一步决策；不把现有工作重新包装成一套新平台。

这些是候选设计，执行时仍需遵守 DexLab 已冻结的适用引擎矩阵、资源预算与完整验收；一个小例子不会缩小原有义务。现阶段暂缓引入完整家庭任务库、统一替换后端或把各种指标压成一个总分。如果已有评分在有力反例下可靠，而主要误差出现在柔性物体或真实策略排序，优先级才应转向相应的材料测量或 sim/real 配对。

发布状态、源码核查与证据边界

前一轮广度调研读取了论文相关章节、官方项目/评测文档及下列固定版本关键文件，未安装运行这些外部 benchmark、复测排行榜、训练策略或做硬件实验。2026-11-12 增补另外通读 Manipulation Benchmark Audit 全文/附录，并复算其当前公开 CPU 统计产物；没有重跑 policy、仿真 rollout 或真机。表中多数广度条目只核查官方描述，未逐项审计完整实现；“源码可见”也不等于“本轮运行通过”。

GAUGE 的 Hugging Face 数据仓库 可见资产、轨迹与元数据目录；本轮只核查目录，未下载或校验全量数据。其 GitHub 快照仅有说明、许可及媒体，README 仍写评测工具待发布，因此可以研究协议和数据组织，不能称为已核实可直接运行的完整工具链。ContactBench 1.0 则已存在官方项目页链接的仿真仓库：README 列出 22 个基础任务对应 73 个可运行行、另一个仅场景任务，并明确不含策略学习/评估管线；这些发布说明不等于本轮复现，也不能与论文的 36 项参考任务等同。

与本次迁移判断直接相关的 DexLab 基线是 4867a8637b：docs/current-work.md、incline_score.py、pinch_score.py 和 libero_score_v2.py。其中 LIBERO v2 明确把记录与数值诊断同物理有效性、学习策略评价分开。本专题延续这些边界；不改变原 38 篇论文、19 个仓库的历史计数。

筛选方法

2026-11-12 按 CoRL 2026 官方录取页逐项筛查 687 篇录取论文，先按任务/接触、本体/执行、物理、观测、数据/策略、真实验证六层筛选，再精读与 DexLab 当前缺口最相关的论文。已单独整理的 Manipulation Benchmark Audit、SuperMimic 和 RLT/CAP 不重复计入推荐。优先级看能否改善物理失败归因、评测可识别性或 sim/real 证据，不看 oral/spotlight 头衔或模型规模。

优先借的五个机制

有条件借鉴，不是当前第一顺位

• PACE (Oral)：将慢变持续接触、突发事件和未来接触后果分开；真正训练 chunk policy 时再复现。
• FACTR 2 (Oral)：从电机力矩估外部关节力矩；适合 HIL/真机无 F/T 采集，绝对标度仍需外部校准。
• UniVTAC：3 种传感器、8 任务；有多种真实触觉传感器与统一任务时再导入，60 次真机 rollout 不代替物理校准。
• PGRD / CORD-SLS (Spotlight)：等切割/绳/布成为主线；残差轨迹精度不等于材料/力可识别，平滑梯度也不是原始刚性接触梯度。
• Kamino / RoboKit：只在闭环/模仿关节或批量运动学目标成为实际瓶颈时审计；它们不直接修复当前 scorer 和接触证据缺口。

对当前 DexLab 顺序的影响

1. scorer semantics audit 仍然第一。如果伪完成也能得分，更大的 K 只会更精确地估计错误量。
2. 通过后保存分层、配对原始结果。先用小型先导批估计 seed 方差与试次方差，再冻结预算；这是设计建议，不是新实验已获批或已完成。
3. 短 persistent sequence 沿用同一合同。保持→卸载/重建接触→释放的整条 run 才是独立统计单位，链内帧/接触/阶段不能冒充独立样本。
4. 暂不引入新大引擎/大任务库。只当可靠 scorer 和 first-failing-layer 指向闭环、柔性物体或触觉表示时，再做定向复现。

表中数字是作者报告，不是 DexLab 实测。除公开项目页/仓库外，本轮没有安装运行外部系统。Stochastic Challenges 的完整统计推导、3 张图和 2 张表已另存 Obsidian 笔记。

最值得借鉴的是把模型决策、动作执行和独立评分拆开记录，再用受控扰动定位失败。这份工作支持把通用语言模型放进机器人动作闭环；它尚不足以支持用语言推理替代快速、连续的接触控制。对 DexLab，优先补齐已有策略适配的动作回执和可复算证据，再讨论扩大模型榜单。

从一次夹取看清谁在控制

以“夹起剪刀”为教学例子：模型从相机图像估计夹取位置，请求末端移动；工具层检查目标、把抓取点转换到机器人末端、规划并插值关节轨迹；执行后回传实际到达位置和图像，模型再决定修正、闭爪或抬升。最终由环境判定成功。这里的 harness 就是连接模型工具调用与机器人执行的本地程序；它的能力和限制会进入最终成绩。

论文 §3 与附录 A说明主实验没有学习型动作策略，也不给物体真值位姿或深度；但提供机器人状态、几何说明，以及来自 wiki 的任务说明和阶段评分提示。当前源码还明确安排先完成手臂移动，再改变夹爪，并同步双臂轨迹。这些是控制设计；“没有 VLA”不表示没有人工控制先验。

25 Hz 是关节轨迹的执行频率，不能当作模型看图并重新决策的频率。动作块执行期间若接触状态改变，要分别检查动作表示能否表达修正、何时获得新观测、推理与传输用了多久、执行器是否跟上。仅凭失败画面无法把这些因素全部归因于“缺乏物理常识”。

高平均分究竟说明什么

数字来源：固定版本逐布局结果、作者报告的真机边界。复算只核对已发布数据的算术，没有重跑机器人或验证原始采集过程。

“同一评分器”还不是“同等输入与预算”。论文明确说公开 VLA 没有补上相同的 wiki 提示重新评测。另有版本差异：论文 §3.3 写默认 100 次模型调用，当前结果说明与代码默认值写 170，并披露按数字按压和模仿排序两个任务使用定向重跑条件。复现时必须逐任务核对实际配置，不能把论文、当前代码与所有历史试验拼成一个完全相同的条件。此处保留差异，不据此推定作弊或数字错误。

“从交互中适应”值得测，但因果解释要补对照

示范实验只检验特定的跨布局单示范输入，结果没有总体收益；这不能推出少样本学习普遍无效。扰动实验则选用原本成功的八个布局，没有历史消融或相同扰动下的 VLA 对照，坐标取反后的工具边界也提供了线索。因此可观察到纠正动作，尚不能确认其原因是历史学习，更不能确认这种恢复优于其他控制器。

对 DexLab，更有辨别力的问题是：在当前观测相同的条件下，保留交互历史是否真的提高恢复率？可先用已能稳定执行的任务，比较完整历史与仅当前观测；固定提示、动作转换、模型调用数和环境步数，再加入一种明确的坐标偏差。把语义选择、运动到达、接触保持和最终释放分开计分。只有跨重复试验的收益成立，才值得继续增加记忆机制。以上是候选设计，没有冻结或启动实验。

烤面包失败诊断：闭爪命令不等于有效夹持

2026-11-12 的 100 个离线 Code-as-Policy seed/layout 工况成功 19 个；81 个失败的回合级归因中，79 个是策略执行问题、2 个是策略机械问题。因此下方两段局部脱落不能把整批失败都改写成仿真器问题。它们共享“闭爪命令持续为 0、双指法向冲量从约 0.25 N·s 降到接近 0、空夹爪继续闭合”的末端现象，但第一失效链不同：layout 002 有邻片接触放大，layout 011 则先发生平面内转动和上缘余量损失。

第一优先级是加深抓取、拒绝窄夹持、增加邻片净空并做低速试提。仿真侧的可验证缺口是：0.07 kg 刚体面包没有压缩、表面粗糙度或指垫顺应性；metadata 与对象加载路径使用的摩擦字段不同，最终 finger–bread 材质 pair 和 combine mode 尚未完整读回；现有记录只有 40 ms 窗内法向冲量峰值和 25 Hz 位姿微分，不含完整切向冲量。它们会影响边缘接触突变的可信度，但当前证据尚未建立 PhysX 求解器错误、真实面包标定或跨引擎排名。

完整中英文报告、参数建议和机器可读指标；其余历史实验按同一结构整理在仿真失败根因图谱。第三栏青色／橙色框是根据刚体位姿和包围盒绘制的诊断代理，不是 PhysX 原生碰撞网格导出。

DexLab 先学哪一步

已有 Poke 适配具备会话与工具回执，任务侧的观测和动作映射仍需逐项接入。沿用当前评分语义审计方向，先为一个合格案例记录完整链条：模型看到什么 → 请求什么 → 工具接受、拒绝或改写什么 → 实际执行什么 → 原生状态如何变化 → 独立评分器判了什么。尤其要保存请求值与实际执行值、动作块时长、到达误差和退出原因；API 成功返回不能代替物理动作成功。

之后再做历史对照和小扰动诊断，并同时报告失败、超时、主动放弃、基础设施错误，以及成本记录缺失。动作块时长和推理等待应分别计时。暂不扩充大规模任务榜单，不新增通用代理框架，也不把模型生成的钢琴控制程序视作已学会通用多指策略。若相同输入和预算的对照显示快速接触控制收益，或另一仿真器及真机重复了优势，再调整这一优先级。

以 Ethernet 插接为例，找错接口或接触目标不明确更接近 CAP 的目标条件化问题；已经对准却反复试探、退回或接触后犹豫，更接近 RLT 的关键阶段改进问题；碰撞体卡住、力控失配或评分把“到达”误当“插入”，则必须先查几何、柔顺、观测与判据。机械间隙、位姿误差、控制分辨率和成功窗口不能统称为“1 mm 精度”。RLT 没有为 Ethernet 单独给出 1 mm 公差，CAP 也没有公开精密插接实验。

DexLab 应保留的四层验收

目标锚定：坐标系、深度、标定误差与目标更新；关键接触阶段：进入/退出、局部动作、接触和力；交互预算：示范、episode、机器人运动时间、墙钟、reset、干预、失败和磨损；完整任务：从抓取、搬运、对准到插入/锁止定位首次失败。critical-phase reset 与 home-position full-task 分开评测，成功率、完成时间、重试和接触力也分别报告。

只有基础策略稳定到达目标附近、失败集中在最后接触阶段时，RLT 式局部在线强化才是合理候选；只有主要问题是“在哪里交互”时，CAP 式锚定才应优先。组合二者仍是未验证提案。本节是论文与公开入口的静态核查，没有运行策略、checkpoint、仿真或真机实验，也没有新增 DexLab 插接实现。

最值得借鉴的是把仿真可信度与模型评测接起来。 先固定真实发出的动作，让仿真自己算出机器人和物体的响应；再用独立条件检验拟合是否有效，最后在明确预算内比较完整任务。平台的场景规模与榜单不应替代这条证据链。完整讨论与取舍

以“抓起杯子、转向、放下”为教学例子：记录关节与夹爪目标，同时保留实际到达、接触建立、持物和释放。如果逐帧写入杯子位姿，只能复现画面；让它通过接触动力学自行运动，才能检查同一输入是否产生相近响应。该例不是作者新增实验。RoboColiseum 平台报告 §1描述约 100 Hz 指令回放与 1 ms 物理子步，并把源后端拟合、冻结参数迁移和目标后端适配分开。

三个值得迁移的区分

控制、接触与观测残差：强位置反馈能掩盖动力学误差；像素偏差也可能来自相机。DexLab 应保留请求与实测响应、接触事件、观测有效掩码；有效拟合参数与实测材料参数分开。

物理状态与渲染：改外观可以不改接触，但接口相同不保证动力学等价。DexLab 应保留状态所有者、坐标系、时钟、控制与求解配置；跨引擎结论必须保留参数转换与重新拟合条件。

进度、完整成功与成本：子步骤得分、整段任务完成和资源消耗回答不同问题。DexLab 应保留原生评分、完整成功率、推理调用、发出/实际完成的步数、仿真时间与墙钟，保留失败和超时分母。

平台 §1.4报告 16 项任务、22 组机器人—任务配对的 Pearson r=0.9686；配对图的拟合为 sim=0.913×real+0.054。这支持已测配置下的分数相关性，不能推出每项误差小于 10%，也不证明固定任务内的模型排名或新任务预测可靠。后两者需要独立留出条件、逐项误差和不确定性；校准一个砝码不能保证整台秤全量程准确，类比只用于说明拟合与验证的分离。

多引擎接口之后，还要追反作用与时序

报告 §2.3说明 CPU MuJoCo 推进机器人，连杆状态驱动 libuipc 物体/柔性接触，IPC 接触力不回传 CPU。核查的 Genie Sim 083793f23876 driver已支持可选同步屏障与刚体代理：上一完成时刻的物体状态送入 CPU，本地代理接触可影响机器人，再把机器人状态交给 IPC。这不等于 IPC 原生反力回传或同一步联合求解；默认异步 latest 与显式 barrier 也不能混为同一时间协议。

因此，拉布料的形状演示可以有价值，但要研究布料拉力如何拖慢手、改变腕力矩或触发失握，必须另查反作用如何进入机器人动力学。统一接口、更多子步和漂亮画面都不能替代这个证据。

评测协议随难度变化，历史结果要保留

Season II §3.3描述 Agent 与 VLA/WAM 分榜、固定官方集与动态检查集、执行/推理预算及完整完成奖励；动态集不进入总分。它提供了比单一进度榜更完整的方向，但服务器具体阈值、原始结果与评分版本仍是复算所需条件。不要把 Season I 与 Season II 混成同一排名。

Agent2Act v1 §III-A的主实验按任务等权聚合子步骤分，每个 case 运行一次；这不是完整成功率或重复运行稳定性。其执行层检查并转换模型动作，以后续观测形成反馈，环境独立判分。工具接受、发出动作和物理完成应分别记录。

DexLab 的优先顺序：先沿用评分语义审计，把一条已有合格记录的输入—响应—接触—评分链整理清楚，再设计独立条件和双重预算。 缺少实机数据时，内部一致性可以研究，但不称为 Real2Sim 标定。暂缓整个平台迁移；只有第一失效层明确需要新材料或接触能力时，再按既有 UniSim 分工论证接入。本轮为 2026-11-13 的报告、图表与固定源码核查，没有运行外部模型/仿真或改变 DexLab 物理实现；原论文与仓库筛选统计不变。