叠碗十次全中，插充电器十次中一次：这一周，天花板翻了三倍

一份技术报告里有挨着的两行数字。测试设置完全相同：把碗叠起来，十次全部成功；把充电器插进插座，十次成功一次。

两行都来自理想汽车 Foundation Model 团队 9 月 22 日发布的一批具身智能技术报告。同一批试验里，这套系统在双臂 Piper 上的六项任务平均成功率 66.7%，对照的 DM0.5 是 55.0%——它赢了，但赢在叠碗、抓取这类粗粒度的活上。

这一周，具身智能的天花板确实在涨：上个月那篇里写过的 RoboDojo 仿真榜首是 8.80%，现在的数字是 27.96%。一个成立三个月的团队趟进来，就把分数顶掉了一大截。

但插充电器那 1/10，一分没动。

一、RoboDojo 一个月涨了三倍，顶分的团队不是机器人公司

RoboDojo 官方榜单更新到 9 月 23 日，第一行是 Simate-beta：平均 Score 33.95，成功率 27.96%。后面跟着 LiberAI 的两个版本，30.74 和 29.24。

两个月前那篇写过，榜首 Hy-Embodied-0.5-VLA 的平均得分 13.07、成功率 8.80%。平均分涨了约 2.6 倍，成功率涨了约 3.2 倍。

顶上去的 Simate 成立三个月，创始人张颖此前在一线智驾公司负责核心算法，参与过有图、无图、端到端三代智驾方案。它自报的架构叫”通用物理快系统”：只做快系统，把参数做大、赌零样本泛化能力的涌现，靠 4D 物理感知和分层时序记忆解决空间理解与长程一致。

比分数更值得记的是它怎么做出这个分数：模块化框架让 AI 读得懂模型边界，自动化研究系统把论文、代码、数据配比、历史实验日志汇成实时刷新的研究上下文，所有方案先用世界模型加仿真筛一遍再上真机。Simate 把这套东西叫”AI for Physical AI”，并自认这次登顶只属于它定义里最弱的一档。

两条口径要先标清楚。 一是 Simate 报的是”平均 Score / 成功率”，理想 ME-U0 报的是”WAM 组内过程得分 17.66 / 成功率 11.18%“，不是同一把尺子，不能直接横比，且均为自报或榜单收录、未见独立复现。二是能力分布仍然极不均——Simate 的长程维度 43.42%，开放语义只有 8.50%，上个月那句”某一维突破不等于整体可用”依然成立。

但更让人留神的是出身：把分数顶上去的队伍一支来自智驾、一支来自车厂，都不是机器人公司。这正好落在开篇和能力迁移那篇的延长线上。

二、理想一次交四份卷子：这一次比的不是模型，是系统

9 月 22 日，理想 Foundation Model 团队一次性放出四份具身技术报告：ME-Brain-1.0（系统）、ME-VLM（认知核心，上期已单写）、ME-U0（统一理解与生成）、ME-Dex-1.0（触觉）。四份报告的共同点是：几乎都不在回答”模型多强”，而在回答”系统怎么跑下去”。

ME-Brain 解决记忆怎么写回。 经历被放进独立于上下文窗口的外部结构，分短期、中期、长期三层，层间保留关联，避免记忆越压缩越丢细节。最激进的设计是”部署后进化”：更新的是外部记忆、技能库和规划依据，不需要因为积累新经历就重训参数。它在双臂 Piper 六项任务上平均成功率 66.7%，对照的 DM0.5 是 55.0%。

ME-Dex 解决触觉怎么统一。 两指夹爪和五指灵巧手的传感器位置与覆盖区都不同，同一个数值出现在指尖还是手掌，物理意义完全不一样；标准手模型给不同硬件建起共同空间参照，没有传感器的位置单独标记——避免把”没测量”误当成”测到零接触”。效果是分层的：RoboTwin 随机场景里，从只建模视频和动作起步，加当前触觉、联合预测未来触觉、再上 H-Bridge 共享注意力，成功率依次是 86.90%、89.54%、90.60%、91.92%。

ME-U0 解决理解与动作怎么接。 理解专家把指令拆成当前子任务并预测可供性，生成专家用共享注意力联合预测未来视觉与动作；多速率旋转位置编码解决”视频可以隔几帧看一次、动作却要高频输出”的时序错位。端侧才是这四份报告真正的落点：记忆、认知、动作三大模块都迁到了自研的马赫 M100 上，ME-VLM 4B 的 prefill 时延从 400 毫秒压到 188 毫秒（上期算过这笔账）。

但回到开头那两行。 LIBERO 的 99.1%、LIBERO-Plus 不专项适配的 81.8%，都长在一个已经饱和的榜单上——上个月那篇讨论过榜单失去区分度之后分数意味着什么。这四份报告里真正有信息的数字，是插充电器那 1/10：记得多、会规划、能把经验写回记忆，都还没换来手上有分寸。

三、最后一毫米被单独立项：插入任务零样本 56%

9 月 23 日，一篇 IROS 2026 论文挂上 arXiv（2609.28258），作者来自英伟达、加州大学圣地亚哥分校和南加州大学。它只做一件事：插入。

单一的、基于世界模型的策略，输入是腕部相机的原始视觉加机器人本体感觉，在最多 90 个几何形态各异的插入任务上训练，然后去装从没见过的零件——零样本成功率 56%，无模型基线只有 7%。 论文还给了一条更重要的性质：训练集里物体越多性能越好，说明这条路可扩展。

上个月那篇写过一组最难看的数据：同批机械臂上，把方块放进碗里 19/20，换成拼图块插入凹槽，两个模型都只有 2/20。差距全在最后那几毫米。

所以这篇论文最值钱的不是 56%，是 7% 到 56% 这个对照。 它说明插入不是泛化能顺带解决的副产品——混在通用任务里训，模型只会去挑”把东西推到位”这种捷径（捷径学习那篇的结论）；必须把它当成独立任务族，用专门的表征去建。这篇用的表征，是把视觉和本体感觉耦合进同一个世界模型。

风险也说在前面：单一实验室、IROS 论文而非期刊长文、56% 离可用还远、口径待复现。但方向第一次清楚——“最后一毫米”不再是大模型的副产品，而是一个可以立项的课题。

四、世界模型开始自带考卷

9 月 26 日，第五届全球数字贸易博览会主舞台上，杭州美梦空间（Memo）发布了 Physical-WAM 和 RoboTwin-Phys。美梦空间由北京大学信息技术高等研究院高文院士领衔的 AVS 先进视觉系统研究中心孵化，8 月刚拿到索辰科技（688507.SH）的独家种子轮战略投资。

Physical-WAM 的核心设计，是在感知输入和动作输出之间插一层**“物理 Token”**中间表征——传统世界模型的中间量是像素或隐空间向量，能推演下一帧长什么样，却不解释为什么变成这样。三个模块分工：PhysLens 从多模态信号里提取摩擦、重量、重心、接触状态这些不可直接观测的物理量；PhysDream 推演未来物理状态、预测打滑脱手；PhysAct 把物理属性引回动作生成，遇到物理漂移自动调策略。

配套的 RoboTwin-Phys 更值得记：它在 RoboTwin 基础上新增 13 类物理扰动，覆盖物体属性、接触属性、阻尼、任务环境、相机配置五个维度，支持单因素到多因素组合，代码、数据集、排行榜发布即开源。

这直接接上盘点篇那句”世界模型的评测长期在裸奔”——用视频像不像打分、用 rollout 彼此像不像打分，都是自洽性检查，而自洽的世界模型可以完全一致地错。RoboTwin-Phys 是这条判断的第一个正面回答：它不问任务做完没有，它问模型有没有估对物理量、是从哪一步开始错的。 结构性问题也摆在明面上：考卷的出题人和考生常常是同一批人。RoboDojo 之所以更硬，因为它是第三方中立基准；RoboTwin-Phys 最终的价值不取决于它测得准不准，而取决于有没有人拿它去测别人家的模型——“发布即开源”是走这一步的正确姿势。

五、宇树 Dex5-S 3.99 万：灵巧手开始”标价卖”

9 月 21 日晚，宇树发布 Dex5-S：单手 22 个自由度、真手约 1:1 尺寸、整手约 620 克、铝合金外壳；22 个电机全部支持直驱、反向驱动和双编码控制；单手负载 2 公斤、持续作业负载 1 公斤；分标准版和 Pro 版，Pro 版加触觉感知，3.99 万元起。

上个月那篇说过，灵巧手的自由度从 6 升到 20 多、触觉成标配、重量压到 400 克，参数竞赛已过边际收益最高的阶段。这一周宇树直接把 22 自由度做成了一个能下单的 SKU。

但 3.99 万这个价格本身就是信息。 宇树 9 月 14 日发布的 G1+ 含税 9.5 万元；按官方起售价配一对 Dex5-S 是 7.98 万元，占整机价格的八成以上（这是本专栏的算术，不是官方配置方案）。手比身子贵，在这个价位段依然成立——这也顺带解释了势力图那篇为什么把触觉标成”图上最后一块无主之地”：不是因为它不重要，是因为它太贵、太难、太分散。

还有一条：这一周没有任何一条新闻回答”做出 1 万只之后，每一只都一样”。22 自由度、双编码都是设计上的一致，不是量产上的一致。

六、触觉层一周内被资本定价

势力图那篇结尾写：“触觉层目前还没有巨头，是图上最后一块无主之地。“说完不到一周，要改口了。

• 帕西尼已在 9 月下旬完成 A 股 IPO 辅导备案登记，辅导机构国泰海通证券；累计融资超 40 亿元、投后估值突破百亿；股东名单里有比亚迪（最大外部投资方）和京东（第二大）。产品线已从触觉传感器铺到灵巧手，再铺到人形机器人和全模态数据。
• 他山科技的触觉指尖全球已应用几十万个，公司占其中约 80% 份额，客户超 200 家（含银河通用、自变量、星动纪元）。月交付数万枚，2026 上半年单量超过去年全年四倍；9 月中旬完成股改，IPO”按正常节奏推进”。它在湖北潜江做的剥小龙虾设备，成功率 95%。
• 千觉机器人拿到两轮合计数亿元战略融资；深圳的 Synapath AI 完成近亿元 pre-A，是一个月内的第三轮。

资本已经开始给触觉定价了。但有两件事要分清。 第一，80% 是出货量份额，它的护城河是工艺、良率和量产一致性，不是模型——这跟大脑层的竞争根本不是同一种游戏。第二，这一周所有触觉新闻的落点都是融资、份额和估值，没有一条在回答一致性那道题。行业已经愿意为触觉付钱，但还没开始为触觉的一致性付钱。

同一周还有一条容易被漏掉的：他山科技与 2024 年图灵奖得主理查德·萨顿（Richard Sutton）团队 Openmind 联合共建的机器人强化学习实验场在北京石景山启用，首批不同形态的机器人入场，第一阶段目标是”延长在线时间""减少损伤”并具备自主充电能力。这是数据路线里的第三极：不采集数据、不购买数据，让机器人在真实物理世界里自己待着。它接上势力图那条”野外数据”路线和数据瓶颈那篇的老账。判断也直白：这条路线最激进，也最慢——它赌”在线时长”能替代”人工采集小时数”，却连一个可比的度量单位都还没建立起来。

这一周真正变了什么

天花板在涨，最后一毫米没动。 RoboDojo 榜首一个月从 8.80% 到 27.96%；同一周，一套拿得出 99.1% LIBERO 分数的系统，在插充电器上是 1/10。

第二个变化更结构性：顶分数的、一次交四份系统卷子的、给灵巧手定价的三拨人，出身越来越不像”机器人公司”——一支智驾，一支车厂，一支做感知与场景。这验证了能力迁移那篇的结论：真正可复用的是空间，而驾驶只是先把这个问题的商业化版本跑通了十年。

上个月那篇说，一个敢公布 8.80% 的行业，比一个只会公布 demo 成功率的行业离及格更近。这一周补上后半句：分数涨得快，说明榜单开始有区分度了；但榜单只有 42 道题，而现实里插充电器的次数，比叠碗多得多。

所以这周真正被重新定价的，不是模型，是手和触觉——以及一个更朴素的问题：行业愿意为最后一厘米付多少钱。

---

信息源：

理想 MachEmbodied 系列四份技术报告（ME-Brain-1.0 的可进化记忆三层结构、认知核心与事件驱动动作模型、部署后进化不重训参数、EventCell 世界表征 token 由 1920 降至 270 即约 85.9% 降幅；ME-U0 的 Mixture-of-Transformers 双专家架构、子任务预测与可供性接地、RGB/深度/表面法向/光流四种视觉动力学、多速率旋转位置编码 MRPE、约 4200 小时预训练数据来自 5700 小时机器人数据与 3920 小时第一视角数据、LIBERO 平均 99.1% 与 LIBERO-Plus 10030 个扰动实例上 81.8%、RoboDojo-Sim 过程得分 17.66 与成功率 11.18%；ME-Dex-1.0 的标准手模型、未测位置单独标记、统一触觉自编码器、H-Bridge 共享注意力、RoboTwin 成功率 86.90%/89.54%/90.60%/91.92% 四项递进；三大模块迁移至马赫 M100、ME-VLM 4B prefill 时延 400ms 至 188ms），引自 arXiv:2609.25627（ME-U0，一手）与理想官方技术报告及项目页（一手），并经量子位 ROBO、Pandaily、AllWorld 整理交叉核对（媒体报道与第三方分析）；ME-Brain 在 Piper 双臂六项任务平均成功率 66.7%、对照 DM0.5 为 55.0%、每项测十次、叠碗 10/10 与插充电器 1/10，引自理想官方报告并经量子位 ROBO 整理（一手 + 媒体报道）；“演示视频可见夹爪停顿、偶发误抓与开放场景任务未完成”引自 Robot Forward 经凤凰科技转载的观察（第三方分析），本文用作实验室成绩单的对照，非官方表述。

RoboDojo 榜单（更新至 2026 年 9 月 23 日）中 Simate-beta 平均 Score 33.95 / 成功率 SR 27.96%，分维度 Generalization 35.09/27.95%、Precision 34.35/26.92%、Long-Horizon 57.84/43.42%、Memory 33.33/33.00%、Open 9.12/8.50%；Liber-0 Preview 30.74/25.52%，Liber-O Lite 29.24/24.23%，引自 RoboDojo 官方排行榜（一手）；“未针对榜单专门优化”为 Simate 自述（企业口径，未经第三方复现）。上期用于对照的 Hy-Embodied-0.5-VLA 平均得分 13.07 与成功率 8.80%，引自 RoboDojo 官方论文与排行榜（一手）。

Simate（硅萌科技）成立约三个月、创始人张颖的智驾履历（有图、无图、端到端三代方案）、“AI for Physical AI” 与 SiPAI / AutoResearch / Sinfra 三层架构、以世界模型与仿真先筛后上真机的候选筛选流程、Physical RSI 的弱中强三档定义、已连续完成多轮每轮数亿元人民币级融资、AutoResearch 面向外部研究者内测、以及”通用物理快系统”仅做快系统、参数规模与架构细节待后续技术报告披露，引自公司公开介绍（一手）及量子位、AI Market Watch、RobotAIGeek、BT 财经报道（媒体报道与第三方分析）；文中”AI 参与研究迭代”属公司自述方法，其效果目前仅有榜单一项公开证据，本文未据此推断其可迁移性。

插入任务论文（arXiv:2609.28258，2026 年 9 月 23 日提交，IROS 2026）的题目、作者名单与所属机构（英伟达、加州大学圣地亚哥分校、南加州大学）、腕部相机原始视觉加本体感觉的输入设定、最多 90 个几何多样插入任务的训练集、未见物体零样本成功率 56% 对无模型基线 7%、训练物体增加带来性能提升的可扩展性、以及”首个完全数据驱动装配未见物体的系统”的表述，引自 arXiv 原文与摘要（一手）；“拼图块插入凹槽 2/20”引自上期所引的第三方评测结果（第三方独立评测）；“插入必须作为独立任务族建模”属本专栏判断。

美梦空间（Memo，杭州）由北京大学信息技术高等研究院高文院士领衔的 AVS 先进视觉系统研究中心孵化、2026 年 8 月由索辰科技（688507.SH）完成独家种子轮战略投资、Physical-WAM 的”物理 Token”中间表征与 PhysLens / PhysDream / PhysAct 三模块分工、RoboTwin-Phys 在 RoboTwin 基础上新增 13 类物理扰动并覆盖物体属性 / 接触属性 / 阻尼 / 任务环境 / 相机配置五个维度、支持单因素到多因素组合扰动、三层递进评测逻辑、物理真值与固定种子配对评估设计、以及”发布即开源”，引自企业公开发布材料（一手）及凤凰科技、腾讯网、量子位、Pandaily 报道（媒体报道）；发布时点为 9 月 26 日全球数字贸易博览会首发首秀主舞台（部分媒体标注 9 月 24 日，本文按主舞台首发口径）。

宇树 Dex5-S 的发布时点（9 月 21 日晚）、22 个自由度、约 1:1 真手尺寸与 102×187×26 毫米外形、整手约 620 克、铝合金外壳、22 个电机全部支持直驱 / 反向驱动 / 双编码控制、新增小拇指 roll 自由度、内置极限冲击力矩保护、单手负载 2 公斤与持续作业负载 1 公斤、标准版与 Pro 版（Pro 增加触觉感知）、起售价 3.99 万元，引自宇树官方发布（一手）及重庆日报、证券时报、IT 之家等报道（媒体报道）；G1+ 含税 9.5 万元引自上期所引的媒体报道；“配一对 Dex5-S 占整机价格八成以上”为本专栏基于官方起售价的算术，非官方配置或报价方案。

帕西尼人工智能科技（北京）在 9 月下旬完成 A 股 IPO 辅导备案登记（辅导机构国泰海通证券，公开披露口径为 9 月 20 日 / 23 日）、累计融资超 40 亿元与投后估值突破百亿元、比亚迪为最大外部投资方（2025 年 4 月超 1 亿元战略投资）与京东为第二大外部投资方、产品线覆盖触觉传感器 / 灵巧手 / 人形机器人 / 全模态数据，引自证监会披露信息（官方一手）及网易云头条、泰中合投资、21 世纪商业评论报道（媒体报道）。他山科技的触觉指尖全球应用规模与约 80% 市场份额、200 余家客户构成、月交付数万枚、2026 上半年单量超去年全年四倍、7 月数亿元 B 轮、9 月中旬完成股改与 IPO”按正常节奏推进”的表述、湖北潜江剥虾设备成功率 95%、以及触觉部件占灵巧手 BOM 成本 10%–20%，引自其市场及生态副总裁付宜晖接受 21 世纪商业评论专访（当事人观点，经媒体报道），未经独立验证。千觉机器人（Xense）两轮合计数亿元战略融资与深圳 Synapath AI 近亿元 pre-A 轮，分别引自 36Kr 与盖世汽车相关报道（媒体报道）。他山科技与 2024 年图灵奖得主理查德·萨顿团队 Openmind 联合共建的机器人强化学习实验场（北京石景山，2026 年 9 月启用，首批不同形态机器人入场，第一阶段目标为延长在线时间与减少损伤并支持自主充电）引自中国证券报报道（媒体报道）。文中”资本已为触觉定价但未为一致性定价""80% 是出货量份额而非模型护城河""在线时长能否替代人工采集小时数尚无可比度量”均属本专栏判断，非企业或机构表述。

同周其他经核对未展开的事件：华为云在 9 月 23 日发布 CloudRobo 平台七项升级（含 VLA 引擎 2.0 的多模态 MoE 三系统融合架构、在线真机残差强化学习与高维统一动作空间，企业口径为任务成功率超 95%、工业执行效率提升 30%、精密力控误差低于 0.5N，以及 VLN 1.0、数据处理工厂、仿真引擎 Agentic 化），引自华为云公开发布（一手）及中国网转载报道（媒体报道）；小鹏集团 9 月 22 日举办首届机器人供应链合作伙伴大会，称已完成定点协议签署并推进产线排产，IRON 搭载 3 颗自研图灵芯片、有效算力 2250 TOPS，引自中国经济网报道（媒体报道）。以上两项企业口径数据均未经第三方复现。