RESEARCH / READING NOTES
围绕物体资产、场景重建、物理验证和机器人策略整理的方法阅读。论文结果与本站实验分别标注。
01 / READING LIST
精选主来源核对与阅读提纲；未声称完整复现论文。链接指向作者论文或官方项目。
Towards Physically Grounded Articulated 3D Assets: A Multi-Agent Pipeline and Benchmark
将设计、编码和评审拆成多代理流程，再用仿真反馈修正关节运动、碰撞与静置稳定性。评测同时关注外形、物理合理性和下游任务。
适合研究“模型生成的资产看起来不错，进引擎后却不能用”这一问题。
把几何、关节、动力学与机器人任务分别设为可执行检查，并保留失败和修订证据。
测试通过的范围由给定协议决定；不能据此把每个生成物体的摩擦、质量和惯量都称为实物标定结果。
核对论文摘要、元数据与相关作者项目页；本卡片不是全文逐节精读记录。
AffordCraft: Scalable Construction of Task-Ready Simulation Assets from Single Images
根据单张图像和任务描述定位目标及操作部件，检索已有资产并进行图像适配，同时保留其部件和关节结构。作者在 2,000 张照片上报告 1,703 个资产通过其物理有效性测试。
直接对应逐步积累资产库、按任务检索、再改造现有模型的路线。
优先复用结构正确的资产；每次尺度或物理参数修改后生成独立版本，再执行验证。
物理有效性、语义匹配和机器人任务成功是不同指标；检索结果还受库中资产覆盖范围约束。
核对论文摘要、元数据与相关作者项目页；本卡片不是全文逐节精读记录。
LiteReality-Agent: An Agentic System for Interactable 3D Indoor Scene Reconstruction
从 RGB-D 扫描出发，把场景重建表示为可执行的 Room.py 程序；代理通过观察、测量、编辑和验证逐步恢复可交互室内场景。
为真实场景还原提供了比单次生成更完整的工具与反馈组织方式。
将可查询的测量证据、场景程序和验证结果保存成同一条可追溯链路。
输入是 RGB-D 扫描；不能直接把其能力等同于任意单目录像重建，场景能运行也不等于材料参数已实测。
核对论文摘要、元数据与相关作者项目页；本卡片不是全文逐节精读记录。
Code as Policies: Language Model Programs for Embodied Control
让语言模型生成调用感知与控制 API 的机器人程序，用函数、循环和几何计算表达反应式控制与航点策略，并通过递归生成补全子函数。
为“Agent 读取视觉和原始 3D 状态，再编写执行程序”提供直接的方法参考。
为策略代码提供明确的状态查询、控制原语和执行反馈接口，使任务计划能够被运行与检查。
程序依赖既有感知与控制 API；生成代码本身不证明接触可靠性、机器人安全性或任务成功。
核对论文摘要、元数据与相关作者项目页；本卡片不是全文逐节精读记录。
Factory: Fast Contact for Robotic Assembly
面向高接触密度装配，提供物理仿真方法、零件模型、装配环境和控制器，并在螺母螺栓任务上训练与评估概念验证策略。
适合理解瓶盖、插入与套叠任务为什么需要比外观网格更细致的接触模型。
物理资产要围绕真实接触部位设计碰撞几何，并结合积分设置与控制器执行测试。
高效仿真和仿真策略实验不能单独证明新任务已完成真实迁移。
核对论文摘要、元数据与相关作者项目页；本卡片不是全文逐节精读记录。
IndustReal: Transferring Contact-Rich Assembly Tasks from Simulation to Reality
结合仿真感知的策略更新、有符号距离场奖励和采样课程训练装配策略，再以策略层动作积分器支持真实机器人部署，并提供复现工具。
展示接触丰富任务从仿真训练到真实执行需要哪些算法和系统环节。
验证资产时，也要一起检查接触误差、控制接口和初始状态分布；用真实任务结果检验迁移。
论文验证的是其装配系统与任务；换零件、夹爪或材料后不能沿用原成功结论。
核对论文摘要、元数据与相关作者项目页；本卡片不是全文逐节精读记录。
DrEureka: Language Model Guided Sim-To-Real Transfer
让语言模型辅助设计奖励函数与物理域随机化分布，利用仿真中的策略反馈选择训练配置，并在运动与灵巧操作任务上验证真实迁移。
说明 Agent 可以参与的不只是动作规划，还包括训练环境和随机化参数的设计。
把参数不确定性转化为有依据的随机化范围，并用独立评测选择训练配置。
方法以已有目标任务仿真为前提；域随机化不等于完成了对象材料或接触参数辨识。
核对论文摘要、元数据与相关作者项目页；本卡片不是全文逐节精读记录。
SceneSmith: Agentic Generation of Simulation-Ready Indoor Scenes
从自然语言分层生成建筑布局、家具和小物体；静态资产生成、关节资产检索和物理属性估计共同构成场景。作者分别报告物体碰撞和仿真稳定性指标。
适合把场景搭建拆成明确阶段，并检查密集摆放后的支撑与穿插。
场景质量检查需要覆盖物体数量增加后的支撑、间距和动态稳定性。
自然语言生成的合理房间不等于特定真实房间的数字孪生；物理属性估计仍需另行校准。
核对论文摘要、元数据与相关作者项目页；本卡片不是全文逐节精读记录。
SimFoundry: Modular and Automated Scene Generation for Policy Learning and Evaluation
由视频构建可仿真的场景，再沿物体、布局和任务三个方向生成保留可供性的变体。作者在 7 个任务、5 种策略架构上比较仿真与真实表现。
把真实场景重建和策略训练、评测连接起来，适合思考如何从一个演示扩展到一组实验。
除了展示外观对齐，还应测量重建环境能否预测策略表现，以及变体是否真正提高泛化。
论文的相关性结论来自其任务与策略集合；新机器人或新接触任务仍需独立实测。
核对论文摘要、元数据与相关作者项目页；本卡片不是全文逐节精读记录。
RoboDojo: A Unified Sim-and-Real Benchmark for Comprehensive Evaluation of Generalist Robot Manipulation Policies
提供 42 个仿真任务和 18 个真实任务，覆盖泛化、记忆、精度、长时序和开放词汇等能力；结合 Isaac Sim 并行评测与标准化真实测试接口。
适合参考任务、环境、重置流程与结果记录如何组织成一致的评测系统。
把可视化演示、环境资源和带成功判定的任务评测分别保存，复用资源后仍需验证具体任务。
下载场景或资产不能视为复现全部基准；任务结果必须绑定对应策略、环境配置和评测协议。
核对论文摘要、元数据与相关作者项目页；本卡片不是全文逐节精读记录。
可以换个关键词，或清除筛选查看完整阅读列表。
02 / MY VIEWPOINT
Making Simulation Useful for Embodied Robots
个人研究观点 / October 2026我对具身仿真的期待很直接：资产要足够真，机器人要能实际操作，生成的数据要有用。我更看重任务依赖的物理关系能否被保留，以及每个结果有没有可以检查、重复和积累的证据。
I want robot simulation to preserve the physical relationships that a task depends on, with evidence that makes assets worth reusing. My working approach combines retrieval and adaptation of existing assets, explicit physical tests, and separate object, scene, and robot-task harnesses. Code-generated policies can use structured 3D state to produce and diagnose rollouts. The R1 Lite reconstruction illustrates why visual agreement, recorded-motion replay, native dynamics, and real-world task transfer need distinct evaluations.
高质量渲染很重要，它让相机看到的外观更接近现实，也方便直接比较真机和仿真。涉及操作时，我还会追问：杯口有没有被碰撞体封住，瓶盖能否沿正确轴运动，夹爪能否接触并抬起物体，质量和摩擦会不会改变动作结果。任务不同，需要保真的细节也不同。套杯依赖空腔、间隙和接触；搬运还依赖抓取稳定性。我会分别检查外观匹配、轨迹重放、动力学行为和实机迁移，让每一项证据回答一个明确的问题。
我希望逐步积累有来源的真实扫描、厂家模型和可交互资产。面对新物体，先 retrieval，再判断能否直接复用、调整尺寸或替换部件，最后补上缺少的几何。AffordCraft 通过检索和拟合已有资产，保留部件与关节结构，这个思路很值得借鉴。[1] 对我而言，资产库还应该保存参数来源、改造记录和测试结果。扫描提供几何证据，厂家模型提供机构信息，质量和摩擦则需要各自的依据。改过尺寸或碰撞体的资产，应重新接受相关测试。
我会把系统拆成物体、场景和机器人任务三个 harness。物体检查尺度、质量、惯量、碰撞空腔，再做落下、受力滑动和套叠等功能测试；场景检查支撑、穿插、可达空间和相机布置；任务记录控制指令、接触、关节状态与成功条件。Artisan 把物理仿真反馈纳入资产生成，并区分空间、物理和下游任务评测，给了我一个有用的参考。[2] 我的要求是阈值先写好，失败记录留下来，修正后复验。这样，下一次复用资产时才能知道它在哪些条件下可用。
仿真里的 agent 可以读取视觉，也可以查询物体位姿、关节、包围盒和接触状态。我希望利用这些信息，让它写出可执行的策略、判断失败原因并产生新的 rollout。Code as Policies 展示了用程序组合感知结果和控制 API 的方式。[3] 在我的流程里，这种能力适合先构建可检查的教师策略，再检验数据是否连续、动作是否有效、任务是否完成。训练目标策略时，还要明确它实际能获得哪些观测，避免把仿真中的完整状态访问能力默认为实机能力。
这次 R1 Lite 套杯重建已经把真机录像和重建画面放到同一时间线上，六项检查通过：资产结构、有效惯量、自由落下、受力滑动、重力套叠和场景初始姿态保持。完整套杯视频是实测关节与图像估计杯姿的重放；杯子参数、蓝色夹爪和相机标定仍是估计。[4] 另一个使用 RoboDojo 资产的案例中，Astra 根据三维状态生成技能计划，由控制器在 PhysX 中通过接触完成罐头搬运；那是单独的任务结果。[5]
我接下来更想测的是：改变初始位置、摩擦或夹爪间隙后，成功率如何变化；修正资产后，失败能否稳定消失；仿真里的判断能否预测真机表现。IndustReal 将接触装配策略部署到实机，为这一级验证提供了具体参考。[6] 我希望最后积累下来的是一批带使用条件、失败案例和验证记录的资产，以及能够继续产生有效数据的代码。
Retrieval and image fitting of existing articulated assets while preserving parts and joints.
Physical simulation feedback in a multi-agent asset pipeline and separate spatial, physical and downstream-task benchmark dimensions.
Language-model-generated policy programs process perception outputs and parameterize control primitive APIs.
Six checks pass, including the one-second scene ready hold. Full cup manipulation is measured-motion replay; geometry, materials and camera parameters remain estimated.
本站独立实验记录；此处引用已完成的接触搬运结果。
Contact-rich assembly policies trained in simulation and demonstrated in a real-world robotic assembly system.