公司裁定 · 2026-09-06
公司研发方向
以 WAM 和优质多模态数据为基础，让服务器与机器人在真实世界中自主完成任务，并依据执行结果持续迭代。
VLA 已退出公司研发主线。行业资料与历史实验继续保留，不等同于当前公司投入方向。
01当前研发主线
WAM 泛化与鲁棒性：先把优质数据做对
研究世界动作模型及其所需的数据，围绕视触觉、全身控制与多层端到端架构，提升换任务、换环境和换本体后的可靠性。
重点问题
- 优质数据集需要哪些同步模态、动作与接触信息，如何支持世界状态预测与全身动作生成？
- 如何区分训练分布内随机化表现与真正的跨物体、跨视角、跨本体泛化？
- 如何把失败、接管、恢复和稀缺接触过程转成下一轮采集需求？
已有工作与依据
- LiLa-WAM 触觉接线与数据一致性 · 2026-08-21
已有项目记录：触觉已接入数据读取、归一化和推理输入；做过训练侧与推理侧逐位对账、错误台账反对照以及 DR 数据回填。
这是历史实验记录，不代表今天的训练状态或高泛化能力已验收。
- 泛化问题已经追到数据覆盖 · 2026-08-11
已有项目记录指出环境变化覆盖不足，区分了分布内随机化与 OOD；域随机化接线和小规模冒烟验证已有记录。
数据覆盖改进不等于跨本体泛化通过；原始训练与评测产物仍需按当前版本复核。
下一步验证
沿既有 LiLa-WAM 视触觉与数据对照继续复核，冻结同批训练/评测划分，比较基础、触觉、环境变化及组合数据的增益；当前训练结果以执行端产物为准。
相关外部研究与适用边界
02数据生产主线
自主仿真：把人类与真机经验补成多维数据
通过仿真环境和机器参数模拟，将人类第一视角视频、模仿运动动作与真机数据映射回放，生成原始记录中缺失的触觉、第三人称视觉和其他状态信息。
重点问题
- 如何从人类动作与机器人数据建立可重放的场景、物体和本体参数？
- 触觉、接触力和第三人称视角如何随同一段动作同步生成，并保留生成条件与不确定性？
- 补全数据是否真的帮助真实任务，还是仅让仿真指标更好看？
已有工作与依据
下一步验证
先对同一批示范完成映射与回放对账，再对比原始数据与补全数据。合成触觉必须标为仿真估计，不能冒充传感器实测；对接现有仿真数据链，避免另建孤立采集库。
相关外部研究与适用边界
03自主系统主线
多机自主任务：从游戏工程走向真实具身执行
借鉴 RTS、模拟人生及生成式社会模拟的多任务状态机、环境状态和长期记忆机制，连接多设备、多端数据流，让服务器与机器人自主执行并迭代。
重点问题
- 多机并发任务如何共享同一目标、资源状态、时序和因果关系，并在失败或断连后恢复？
- 共同技能与智能体的选择、实际调用和输出，如何回流到原任务而不是停在各自对话中？
- 如何把游戏中的行动映射为真实机器能力、前置条件、结果反馈与安全停止？
已有工作与依据
- 公司方向已明确；当前系统还缺同版目标、执行与反馈的一轮完整验收，不把聊天或调度登记当作已完成自主闭环。
下一步验证
先验证现有 Hub 的目标输入、任务派发、执行回执与反馈是一条可追踪的链，再选择游戏/社会模拟中的可迁移机制。游戏成功不是实机成功，自我迭代也不能自行改验收标准。
相关外部研究与适用边界
优质数据集，到底要回答什么
当前研究问题，不把字段齐全等同于数据质量通过
视触觉与时序
第一视角 / 第三视角、深度、触觉与接触事件是否能按同一时钟对齐？缺帧和延迟是否可见？
全身动作与本体
动作指令、关节/基座状态、控制层级、本体参数和坐标系是否齐全且版本一致？
任务、结果与恢复
是否保留目标、前置条件、失败、人工接管、恢复过程及最终结果，而不只保留成功演示？
变化覆盖与泛化
物体、背景、光照、视角、接触条件和本体变化是否覆盖，并与测试集严格隔离？
仿真补全的来源
实测、仿真生成与推断是否分列？能否追到原始片段、环境/机器参数、生成器版本及不确定性？
多设备流转
同一任务的数据版本、传输校验、消费记录、输出与下一轮采集需求能否对回原始任务？
LiLa-WAM 官方方法图 · 外部研究参照，不是公司完整多模态架构或已验收能力方法图暂不可用，原始图示见官方项目。
- 任务与共同目标
- 真实/人类数据采集
- 仿真映射与模态补全
- WAM 与控制评测
- 服务器/机器人执行
- 失败回流与下一轮数据
这是目标链路，不是已完成状态。仿真补全、模型评测、实机任务与自主迭代分别验收。
当前进度与同步缺口
方向由公司裁定；历史记录与今天的运行事实分列
已绑定共享目标版本
网页已读取共享目标；其它执行框架的执行接线仍需独立验收。
裁定日期 2026-09-06 · 共享目标台账WAM 运行进度尚未接齐
现有梯田聚合主要覆盖离线轨迹展开探针，未取得与本轮 WAM 主线绑定的实时训练回执。
来源过期 · 来源时间 2026-09-07T08:25:12Z来源内离线探针：运行 0，累计收割 38。这些数量不能转为 WAM 训练成果。
共同执行与反馈待验收
跨执行框架的同版目标、实际技能调用与执行反馈回流尚未完成共同验收。
下一门：同一目标版本进入实际任务，产物携带输入数据版本，结果回到原任务。