科学与物理世界
RECAP利用执行经验和人类反馈更新策略，U0探索用合成画面改善陌生背景中的真机任务。
整理 2026-10-14 · 研究材料截至 2026-10-12
先理解研究对象
机器人模型把视觉、语言指令和动作连接起来。训练既可以使用人类示范，也可以使用自主执行后的反馈；部署时还要处理陌生物体、照明变化、失败和接管。
折叠衣物完成了多数步骤，不等于整件衣服已经正确收好。一个任务的进度、成功率、吞吐和无人值守时间需要分别记录。
Physical Intelligence用RECAP从演示、真机自主轨迹和可选远程专家纠错中更新π*0.6动作策略。人类提供成功标签、纠错和恢复，批量采集后离线更新，不能叫完全自主迭代。[1]
困难衣物和意式咖啡测试中，作者报告每小时成功任务数超过仅用离线RL与示范微调基线两倍、失败率约减半。定量验收包括纽扣衬衫在500秒期限内、双份浓缩咖啡在200秒内完成；连续运行另属作者展示，不是无人值守全成本验收。[1]
对应材料：论文
既有研究报告的事实摘要与条件说明；具体引用在正文标注
小米U0在训练时生成画面，扩充π0.5示范数据；每项任务约40小时真实演示加40小时合成风格迁移，在双臂机器人上测耳机收纳、毛巾折叠与物品装盒，每策略每任务18次试验。[2]
摘要把分布外表现36.9%→63.2%称为成功率，但正文§3.3唯一指标是按步骤计分的任务进度，不能读成完整成功概率。增益集中在陌生背景与光照，基准场景持平或略降；运行时不使用U0，但合成数据计算和人工审查成本未报告。[2]
对应材料：U0 论文与实验
既有研究报告的事实摘要与条件说明；具体引用在正文标注
论文发布、修订、业务进度和资料截止分别标识。未披露的事件日不补成精确日期。
RECAP公开真机经验学习
2026-10-13研究报告第18模块；本次未把未披露日期补成精确日期 · 年份
对应机器人学习论文首次提交。
arXiv v1日期（UTC）；非真机实验日 · 日期
RECAP本轮阅读v2提交。
arXiv v2日期（UTC） · 日期
U0公开合成画面与真机实验
2026-10-13研究报告第18模块；本次未把未披露日期补成精确日期 · 年份
对应机器人学习论文首次提交。
arXiv v1日期（UTC）；非真机实验日 · 日期
这份研究摘要的资料范围，不是上述事件统一发生的日期。
原研究报告事实范围 · 资料截止
窄场景鲁棒性可能提高，但设备适配、重置、人工标签和持续维护仍应计入生产成本。
基准情景是模型提高特定任务鲁棒性，部署仍采用监督、远程恢复和任务专用数据。若在不同机器人、陌生场景和长时连续任务中公开足量重复试验，报告接管频次/分钟、重置率、安全事件与全成本，并在真实客户流程中持续达到节拍要求，才支持更快转化。持续观察合成与真机数据的边际贡献、失败后的恢复能力及无人值守时长，而非演示片段或单次最高分。
正文中的编号指向下列材料。材料类别、具体支持与限制一起阅读，不能按链接数量累计独立验证。
[1] 研究预印本
论文
支持的内容：RECAP反馈方法、指定任务每小时成功数与失败变化，以及人类标注/纠错依赖。
阅读定位：§V-D/图5（反馈）；§VI-A（测试）；§VI-C1/图7–8（吞吐与失败）。
先核对任务期限与基线，再看相对倍数；连续展示不当无人值守验收。
2026-10-14（北京时间）检查了书目/获取信息；不等于重新验证结果。
作者真机研究配置，未由本站复跑或验证企业净产能。
结果依据继承原研究 2026-10-12，具体配置和局限需沿原文核对。
[2] 研究预印本
U0 论文与实验
支持的内容：U0数据增强、三项双臂任务及分布外步骤进度结果。
阅读定位：§3.3：Task suite、Policy training and data、Evaluation schedule、Metric；图15–17。
摘要与正文指标标签不一致时保留正文步骤进度口径；不要改成整任务成功率。
2026-10-14（北京时间）检查了书目/获取信息；不等于重新验证结果。
每策略/任务18次指定真机测试；成本与更广部署仍未知。
结果依据继承原研究 2026-10-12，具体配置和局限需沿原文核对。
本页整理：2026-10-14 · 研究事实范围：2026-10-12。概念解释与既有研究展开；元数据访问不是原始实验复验。
研究验证至受控试点（限任务与平台）
前沿推进 较快；真实转化 渐进；判断信心 中。这是定性范围判断，不是增长率或职业替代率。
现今补充 · 独立观察模块2026-10-19.observations.2；原前沿研究基准另行保留。
看使用和采用背景、固定测试条件与成本；读训练迁移和评测方法，再回到输入、交接与验收。