专题延伸 · 统一动作空间 / 免重定向（以 UCAG-P 为锚）
母题：数据×训练。本期把散落的「统一动作空间」类工作串成一条主题线，回答一个战略问题： "让异构数据能一起训"这件事，到底该改数据，还是改动作空间（标签）？ 触发点：UCAG-P（2608.26058）证明了一条更省事的路径——不动数据，靠重标动作空间免重定向合训。
一、为什么现在值得聚焦这条线
- 证据清单缺口①（四源同语料混训实证）悬而未决，而统一动作空间是实现它的前置条件：四类数据（EGO视频/UMI/仿真/遥操）形态各异，不先定一个公有动作"坐标系"，任何合训试悲都做不干净。
- 过去一年该方向密集收敛（UHAS/KITE/Cloak/Motion-Focused/UniDexTok/YUBI/UCAG-P），说明它是"共识正在形成"的转折点，值得一次系统梳理。
- 它把研究问题的表述从"怎么造更多数据"翻转为"怎么让已有数据在共享坐标系下变得可训练"——正是"数据×训练"链条上被低估的杠杆。
二、路线全家福：统一动作空间的四种打法
| 代表 | 统一的是 | 关键技术 | 是否免重定向 | 数据生态 |
|---|---|---|---|---|
| UHAS（统一手动作空间） | 手动作坐标 | 手-物统一坐标 | ~免 | 灵巧手多本体 |
| KITE（解耦运动学/交互） | 运动特征 | 解耦运动学+交互头 | 免 | 跨本体零样本 |
| Cloak（遮挡端执行器） | 输入表征 | 掩蔽末端效应器 | 免 | VLA 跨本体 |
| Motion-Focused Latent Action | 隐式动作 | 人手视频→latent action | 免 | EGO 被动视频 |
| UniDexTok | 手 token 空间 | 真实数据学统一 tokenizer | 免 | 跨本体灵巧手 |
| YUBI（通用双指接口） | 抓取接口 | 手指驱动夹爪直用 | 免 | 8434h/119 任务 |
| UCAG-P（本期锚） | 相机中心几何动作空间 | 锚点运动 + 几何翻译器 | 免 | 多本体+仿真+人手 |
观察：多数走"改成共享坐标/表征"，UCAG-P 把统一提到相机可观测锚点运动这一更"语义中立"的层，且把翻译器做成可插拔动作头——解耦最彻底的一例。
三、机制拆解：为什么"重标动作空间"优于"改写数据"
- 改写数据（retargeting/视频合成）引入噪声：重定向误差会污染示范，让"跨本体贡献"测不准（见 UCAG-P）；动作空间统一则数据原样保留。
- 统一动作空间=让"各源数据边际贡献"可公平比较的前提：否则比较的是"重定向后的残次数据"，不是数据本身——这直接为证据缺口②的消融实验打地基。
- 可扩展性收益在标签侧：新增一个本体只需加一个"运动学→动作空间"翻译器，不必重采/重写整个语料——数据引擎的边际成本降下来。
四、三条研究员判断（Insight）
- I1 · "统一动作空间"和"数据改造"不是二选一，是先后序：先建公有动作坐标系，之后 SIEVE/FAKTUAL/PhysicsFiltering 等数据选择/过滤才谈得上"跨源公平地筛"。动作空间是数据治理的"校准坐标系"。
- I2 · 相机中心比"手中心"更接近答案的一半：手中心（UHAS/UniDexTok）仍绑定"手"这一概念；相机中心锚点运动（UCAG-P）把抽象层级抬到"观测到的空间运动"，更贴近 EGO 视频能天然提供的东西——这对把 EGO 被动视频纳进来（缺口①最后一段）是关键转向。
- I3 · 免重定向路线当前缺一块：物理/接触可信度：动作空间统一管"动得了"，不管"接触得真"（软体形变/可变形/接触力）。这恰好是触觉与物理数据（SoftVTBench/ViTacPhys/Missing Touch 线）的互补位置——统一动作空间 × 物理可信数据是下一个合流点。
五、展望与建议
- 与四层对位：统一动作空间 = EGO/UMI/仿真/遥操 四源共用的"坐标系层"，是四层之上的横切件（呼应纲领"统一动作空间"层）。
- 建议实验（补缺口①/②）：以 UCAG-P 相机中心动作为基座，分别喂入 ①EGO 被动视频（缺的最后一格）②纯机器人/纯仿真/纯人手 做单源 vs 多源边际贡献消融——这同时回答①②两个缺口。
- 纳入跟踪：把 UCAG-P 列为"统一动作空间"小主题的 anchor 论文，后续新论文归入此族。
一句话主线：四源合训的天花板，不在数据量，而在"有没有一个能让异构数据公平共训的公有动作坐标系"——统一动作空间正是那把钥匙，而走"重标坐标系"而非"改写数据"才不污染各自的贡献。