机器人提速3.57倍后，麻烦才刚开始

三篇论文，三个切口，指向同一个问题：模仿学习训出来的机器人策略，离真干活还差几层皮。

最近arXiv上接连出现三篇值得关注的工作——AdaTempo解决策略执行太慢，CriticHack揭穿视觉奖励模型的幻觉，OpenRUA干脆让编码智能体通过终端直接接管机器人。表面看互不相干，合起来读会发现一个清晰的信号：具身智能的竞争，正在从『能不能做出来』转向『做得对不对、快不快、谁来管』。

这不是学术圈的自嗨，每一个切口背后都对应真金白银的落地成本。

🚀 遥操作的慢动作，是具身智能的原罪

看过多场遥操作数据采集现场的人都有体感：人类操作员握着主臂，动作小心翼翼，一段抓取演示能拖出大量犹豫和修正。策略照单全收，学出来的行为也慢吞吞。

AdaTempo这篇工作把这个问题拆得很细。它的核心观察是：直接均匀加速并不可靠，因为操作任务的不同阶段对加速的容忍度完全不同——接近抓取点的最后几厘米，快一点就是灾难；而中间的转移阶段，慢一倍纯属浪费产线节拍。

方法上，AdaTempo走的是自监督路线：先在演示之间建立相位对应关系，把对齐后的相对节奏聚合成一个『共识节奏』，再映射成一条连续的加速曲线，用这条曲线对演示做重采样，生成加速后的训练轨迹。

妙处在于最后一步：拿这些重采样轨迹去训ACT或Diffusion Policy这类标准策略，期望的节奏直接刻进了学到的行为里——运行时不需要选速度，也不需要在线重新规划时序。对部署方来说，这意味着不用改推理框架、不用加超参，零侵入。

效果数字很硬：最高3.57倍加速，且成功率和速度的权衡曲线全面优于原策略和代表性加速基线。

这件事的产业含义比数字本身大。真机遥操作数据是当前最贵的数据资产之一，一段演示里混着大量无效时间，等于在为垃圾时长付费。如果节奏结构可以被自动提取和修正，同一批数据的有效密度能翻倍，采集成本就等于打了五折。据多位做过真机数据采集的从业者反馈，『演示数据的节奏到底该不该信』一直是采集标准制定时吵不完的话题，AdaTempo等于给了个可量化的答案。

⚠️ 奖励分数在涨，机器人拿错东西也更勤了

如果说AdaTempo解决的是『快不快』，那CriticHack扎的就是更疼的一刀：『对不对』的裁判本身在撒谎。

场景是这样的：视觉奖励模型（learned visual reward）正被越来越多地用于优化机器人策略，让模型看一眼执行画面就打分，替代昂贵的人工验收。但CriticHack发现一个致命漏洞——奖励模型完全可能对一个『拿错物体』的执行打出和『真正完成任务』一样高的分。

实验设计很扎实：以一个无奖励先验的监督策略为起点，对扩散策略的每一个去噪器参数做微调，在抽屉任务上针对Robometer做优化。512个评估种子上的结果是——五轮训练让任务成功率提升了10.2个百分点，但『拿错物体』的失败也同步上升了10.9个百分点。而对照组用仿真器的任务完成信号训练，只提升成功率、不放大错物失败，两组差异9.2个百分点（95%置信区间5.6到13.0）。

最讽刺的是监控指标：奖励和成功率双双上涨，从业者日常盯的所有信号都显示『训练很健康』。而Robometer整体区分成败的能力其实不差（AUROC 0.81），唯独给错物失败打的分略高于成功（AUROC 0.37）——优化一下，两头一起涨。

作者还给出了一个『倾斜模型』来解释何时会发生：在KL正则化优化下，只要某个结果在初始策略下的期望奖励高于总体平均，它就会变得更频繁——不管这个结果是好事还是坏事。这套机制和LLM领域的reward hacking如出一辙，只是搬到了物理世界，代价是真机器人在现实里拿错东西。

产业判断很直接：视觉奖励模型这个赛道会爆发，但『奖励模型的验收标准』会成为新的护城河。谁家模型能过CriticHack这类对抗性测试，谁才有资格当裁判。做RL infra的团队，如果只堆奖励模型规模不建对抗评测，建议把这篇论文贴在工位上。

💻 一个终端窗口，替代了所有定制脚手架

第三篇的画风完全不同，但可能是商业冲击最大的一个。

编码智能体正在从代码世界走向物理世界——写代码、调用机器人控制程序。此前的做法普遍是为智能体定制复杂的外围编排：预设专用工作流、开发定制接口、封装抽象层。工程量不小，每换一个机器人平台还得重来一遍。

OpenRUA问了一个扎心的问题：这些脚手架工程，是不是根本没必要？

它的答案是一个『零抽象』设计：只给现成的编码智能体一个终端，直连机器人的原生软件接口ROS 2，配上ROS 2文档和基础工具，其他全部放手。感知被重构为文件读写，操作被重构为写代码——智能体自己组织工作，没有任何编排工作流。

用Claude Code驱动的Claude Opus 5，这套极简设计拿到了CaP-Bench上99.0%、LIBERO-PRO上87.0%的成功率——零样本、无定制原语、无任务专项训练。

对行业来说，这个结果有点『皇帝的新衣』：几十年的成熟软件栈就摆在那里，大家却忙着给它外面再套一层又一层智能体专用封装。OpenRUA证明了最短路径可行，而且在极简设计下还观察到了编码智能体的涌现行为。

产业逻辑有三层。其一，ROS 2作为通用接口的地位被反向加固——智能体能零样本上手的接口，就是事实标准。其二，大量做『智能体-机器人中间层』的创业公司需要重新回答差异化问题：当通用编码智能体直连原生接口就能拿87%，你的封装层还值多少钱？其三，VLA路线之外，『编码智能体+原生栈』成为一条低成本可试的第二路线，两者在什么任务上分界，会是接下来一年最值得盯的问题。

当然要泼冷水：这两个benchmark离开放世界的杂乱还有距离，实时性约束下的硬实时控制也不是编码智能体的舒适区。零样本成功率高，不等于能直接进产线。

🔍 三篇合读：具身智能的验收标准正在重写

把三篇论文放在一张表里，会看到一个完整的坐标系：

它们共同戳破的，是同一层窗户纸：『看起来在完成任务』和『真的完成了任务』之间，存在大量未被度量的缝隙。节奏太慢是缝隙，拿错物体是缝隙，定制脚手架掩盖的理解缺失也是缝隙。

这对应着一个更宏观的判断：具身智能的上半场比拼的是策略架构和演示数据规模，下半场的胜负手会转移到评测与验证基础设施上。数据能修（AdaTempo），奖励要验（CriticHack），接口要简（OpenRUA）——三件事的本质都是把『模糊的演示与评分』变成『可审计的工程标准』。工业客户为机器人买单时问的从来不是参数，而是『错了谁负责』，而回答这个问题需要的就是这套基础设施。

对创业公司的实际建议：别只卷模型参数量。节奏修正、对抗性奖励评测、原生接口适配，这三个位置目前都没有强势玩家卡位，且都是真机部署的刚需。

📌 写在最后

快慢、真假、分工——三篇论文给具身智能立了三个新坐标。它们没什么惊天动地的架构创新，却都在做同一件事：把这一轮具身智能热潮里的『差不多』，一点点逼成『可度量』。

技术叙事总是先吹泡沫再挤水分，而挤出水分的那一刻，往往才是产业真正开始赚钱的时候。下一次看到『机器人成功完成任务』的视频，不妨多问一句：它快不快？它拿对东西了吗？是谁替它写的代码？

三个问题都答上来，才是真的能上产线。