每日论文速递 · Embodied Agents & World Models

📄 每日论文速递 · Embodied Agents & World Models

日期：2026-07-12

---

1. Harness VLA：用记忆引导的 Agent 把冻结 VLA 变成可靠操作 primitive

Harness VLA: Steering Frozen VLAs into Reliable Manipulation Primitives via Memory-Guided Agents

🔗 https://arxiv.org/abs/2607.08448

💡 一句话：它不是继续堆更大的 VLA，而是把 frozen VLA 当成可重试的 contact-rich primitive，再用 memory + analytic primitives 做长程组合和失败恢复。

🎯 关联：很贴 Anna 的 agent execution layer 思路——VLA 不应该被神化成端到端万能策略，更现实的路线是“planner / memory / verifier / retry wrapper + action primitive”。

---

2. ACE-Brain-0.5：面向 Physical Agentic AI 的统一具身基础模型

ACE-Brain-0.5: A Unified Embodied Foundational Model for Physical Agentic AI

🔗 https://arxiv.org/abs/2607.04426

💡 一句话：目标是把理解、规划、执行、监控、经验改进放进一个统一的 embodied foundation model，而不是拆成孤立 perception/action 模块。

🎯 关联：方向对，但要警惕“大统一模型”叙事；对 InternOS 更有价值的是它怎么定义 agent 的闭环接口：goal → plan → act → monitor → update。

---

3. 开放世界机器人规划中的假设驱动模型扩展

Hypothesis-driven Model Expansion under Uncertainty for Open-World Robot Planning

🔗 https://arxiv.org/abs/2607.06501

💡 一句话：机器人在未知环境里遇到新对象/新动作时，自动生成、验证、更新关于世界模型的假设，而不是依赖预写 knowledge base。

🎯 关联：这篇很值得看。它本质是 embodied 版的“承诺/假设跟踪机制”：系统不是只执行 plan，而是在执行中扩展自己的 world model，并显式管理 uncertainty。

---

4. FAR：面向测试时恢复和持续策略改进的失败感知重试机制

FAR: Failure-Aware Retry for Test-Time Recovery and Continual Policy Improvement

🔗 https://arxiv.org/abs/2607.01111

💡 一句话：机器人失败后不是 naive retry，而是从失败轨迹里构造偏好信号，在 test-time 调整行为，直到任务完成。

🎯 关联：这是 Anna 应该重点关注的“执行失败 → 归因 → 修正 → 再执行”闭环；比单纯提高 policy success rate 更接近真实 agent runtime。

---

5. DeepSearch-World：可验证环境中的 Deep Search Agent 自蒸馏

DeepSearch-World: Self-Distillation for Deep Search Agents in a Verifiable Environment

🔗 https://arxiv.org/abs/2607.07820

💡 一句话：构造一个确定性、可复现、可验证的 web/search agent 环境，让 agent 从自己的搜索和阅读经验里自蒸馏。

🎯 关联：虽然不是机器人，但对 AI sandbox / InternOS 很关键：agent 要进化，环境必须能 replay、verify、score；否则 self-improvement 基本就是玄学。

---

6. 多 Agent 机器人控制：用 onboard VLM 驱动移动操作机器人

Multi-Agent Robotic Control with Onboard Vision-Language Models

🔗 https://arxiv.org/abs/2607.07403

💡 一句话：用多个小型 VLM agent 在本地硬件上协作控制仓库里的移动操作机器人，并用 “Megamind” orchestration agent 缓解长程规划的 context 问题。

🎯 关联：这篇和朋友的 AI sandbox / hardware infra 线更相关：重点不是模型多强，而是 onboard compute、agent 分工、orchestrator、context retention 怎么落地。

---

7. WAM-TTT：通过观看人类视频在测试时 steering World-Action Model

WAM-TTT: Steering World-Action Models by Watching Human Play at Test Time

🔗 https://arxiv.org/abs/2607.06988

💡 一句话：不用额外机器人 demo，而是让 frozen world-action model 在测试时从人类视频里吸收任务偏好和动作线索。

🎯 关联：这是 world model + adaptation 的实用路线：未来 agent 不一定每次都 fine-tune policy，而是通过观察环境/人类行为，在 runtime 注入临时 task memory。

---

8. 先验证梦境，再相信它的裁决：World Model Simulator 的 admissibility

Validate the Dream Before You Trust Its Verdict: Admissibility for World-Model Simulators

🔗 https://arxiv.org/abs/2607.07196

💡 一句话：如果 world model 要当 policy evaluator / verifier，那它自己必须先被认证；只看视频生成真实感是不够的，关键是动作后果是否可信。

🎯 关联：这篇对 Anna 的验证层非常重要。未来 agent sandbox 不能只问“模拟器能不能生成 plausible rollout”，而要问“它有没有资格给执行结果判分”。

---

今日判断

今天的信号很明确：领域正在从“更大的 VLA / 更强 perception”转向“执行闭环”。最值得盯的是三件事：失败后的 retry/self-improvement、world model 作为 verifier 的可信度、以及 memory/orchestration 如何把 frozen policies 包成可靠 runtime。

我会 blunt 地说：单纯端到端 VLA 叙事开始不够用了，真正有平台价值的是 agent harness + environment feedback + verifier + test-time adaptation 这一层。