周报 · 数据×训练 方向（2026-08-27）
本周把「具身智能数据方向」从"每日抓 arXiv"升级为一条完整的研究流水线： 自动抓取 → Obsidian 归库 → 待精读队列 → Agent 深读(Insight) → 飞书 roadmap/贴图 → Telegram 推送。 主题始终钉在北极星：数据性质 × 有效训练 / EGO·UMI·仿真·遥操 四源价值链。
一、成果总览
结构文档（纲领级，均已上飞书 EGO && UMI 文档）
| 文档 | 内容 | 状态 |
|---|---|---|
| 数据×训练·研究纲领 | 四层数据栈 + 统一动作空间 + 5 北极星问题 | ✅ |
| 数据×训练·证据清单 | 已入库论文映射到四层 + 缺口标注 | ✅ |
| EGO 跨本体桥·roadmap+insight | 五层技术栈 + 6 条研究员判断 | ✅ 5 图 |
| 数据性质×有效训练·roadmap+insight | 8 性质维度 + 6 机制 + 6 Insight | ✅ 6 图 |
| 专题·多样性/覆盖 量化与校准 | 三谱系 + 校准闭环 + 双指标框架 | ✅ |
深读批次（Insight 标准，全部上飞书+Telegram）
| 批次 | 篇数 | 代表 & 关键结论 |
|---|---|---|
| 数据集方向两篇 | 2 | SoftVTBench（有触觉≠融合有效）、Statistical Audit（基准冗余 4 保 78.5%） |
| 数据方向批次2 | 6 | Scene2Demo（自进化数据）、Missing Touch（触觉→示范质量）、ImitatorGame、LabDex、BehaviorWorldGen、ViTacPhys |
| EGO/UMI 数据引擎 | 8 | AXIS、COBALT、EgoInfinity、Open-AoE、KoalaGripper、YUBI、HRDexDB、SIEVE |
| 数据方向剩余批次 | 17 | Worlds in One Demo、CRAFT、CRESSim-Neo、VLA Survey★、UniDexTok、EaDex 等 |
合计深读 33+ 篇，待精读队列 78 项全部清零（17 精读 + 24 归位跳过 + 37 原已读）。
Pipeline（arxivReader/）
- 每日 09:00 launchd 自动任务：抓取→去重→Obsidian→Telegram→自动贴图到飞书
- 双轨查询（track1 数据集/仿真/遥操 · track2 数据引擎/众包/跨本体语料）+ RSS 兜底
- 飞书贴图 40+ 张（
sips缩<1MB 防 error 1663） - 追加守卫 append_guard.py：修复 lark-cli 偶发"陈旧 rev 号导致整章重复"，飞书文档去重完成、44 图完好
二、本周核心认知（Insight 沉淀）
- 数据瓶颈正从"采集"转向"生成/部署回路"：Worlds in One Demo（单示范→开放世界）、CRESSim-Neo（GPU 驻留数据管线）、Learning While Deploying（部署自我补数据）。
- 多样性轴从"状态-动作"扩展：HABIT（有人环境）、ACME（跨文化）——覆盖洞是多维的。
- 跨本体靠"数据学对齐"而非手写统一关节：UniDexTok / EaDex / UCAG-P（统一动作空间免重定向，LIBERO-Plus 零样本 82%）。
- VLA Survey 是纲领的战略背书："数据引擎×评测协议"co-design 决定未来 → 应作 top-citation。
三、证据缺口现状（见证据清单）
- ① 四源同语料混训端到端实证：UCAG-P 部分填补（多本体+仿真+人手，未含 EGO 被动视频，仍缺一格）
- ② 各源数据边际贡献消融：仍缺直接论文（多数单类报告）→ 建议自建消融或定向抓取
四、下一步建议
- 基于 UCAG-P 线做统一动作空间/免重定向专题（本期已单独成文，见《专题延伸·统一动作空间》）
- 定向抓取/设计②边际贡献消融证据
- 继续每日自动任务跑 weekly 周报沉淀