无机器人数据追平遥操作，插入成功率85%

重点关注

01 机器人 真实机器人锚点，可能不再是后训练必需品

真实机器人锚点可能不再必要：仅用便携设备采集的人类操作数据完成后训练，策略就能直接部署到真实机械臂，并在三种不同架构上追平场景内遥操作数据。HiFi-UMI押注的关键不是继续缩小真实机器数据占比，而是把无机器人采集的保真度推到部署可用——通过毫米级轨迹精度、双手相对位姿、微秒级同步和约200度视野，尽量保住精密操作所需的动作细节。结果很亮眼：三种架构相对遥操作基线的成功率差距仅为-2.5、+3.1和-0.6个百分点，最强策略在精密插入任务上达到85%，即使采集数据并不来自评测场景。规模化预训练同样受益，4000小时同源数据让十个未见任务的动作误差降低41%，并让其中一个真实机器人策略的成功率再提升18.1个百分点。更重要的是，这项工作开源了2000小时自动重建并通过仿真回放验证的数据，给团队留下了可复用的数据生产路线，而不只是一个漂亮模型。若这些结果能跨更多物体、场景和长时序任务成立，机器人团队扩充数据的核心问题将从「能租多少机械臂」变成「能否稳定生产部署级人类示范」；不过摘要没有完整交代泛化范围和失败模式，最终判断仍需看正文实验。

原文：HiFi-UMI: Learning Deployable Manipulation Policies from High-Fidelity UMI Data Alone

02 模型架构 用现有Decoder扩展多模态接口

现有any-to-any系统常用编码器—解码器或扩散架构从头训练，代价不仅是工程复杂，也很难直接继承成熟decoder-only模型的预训练能力。MODUS把各种模态都表示成同一模型可接收、可生成的对象，不再为每种模态单独配置输出头、损失函数和任务流程。这样的对称设计还支持链式生成，以及让模型借助另一种模态对自己的输出进行交叉验证。摘要显示，单一模型在多个基准上能与专用模型和多任务基线竞争，但这只能说明统一范式具备可行性，不代表每种模态的生成质量都已领先。对工程团队更实际的启发是：未来增加新模态，或许可以围绕现有预训练模型扩展接口，而不是重造整套架构，不过具体接入成本仍需看全文和开源实现确认。

原文：MODUS: Decoder-Only Any-to-Any Modeling of Diverse Modalities

03 Agent 截图复刻得再像，为什么设计师还是没法接着改？

把一张设计稿截图变成「看起来一样」的页面不算稀奇，难的是找回字体、矢量几何、颜色、分组和图层顺序，让它重新成为可编辑的设计文件。ReDesign把这项逆向工程交给Agent：逐步构建设计图层树，按需调用不同工具，并在每次扩展时接受、剪枝或重试，避免局部错误一路累积到最终结果。更有意思的是，它没有只用视觉相似度证明效果，而是基于909个原始Figma文件和14,796条受控编辑指令，直接检验重建结果能否完成布局、颜色和文本修改。摘要称其可编辑性超过分层分解和串行工具调用基线，不过各类复杂设计上的具体差距仍需看全文确认。对设计工具团队来说，真正值得追踪的指标已经不是「像不像」，而是生成物能否无缝回到设计师的生产流程。

原文：ReDesign: Recovering Editable Design Structures from Images via Agentic Decomposition