（+微:hywyysxs）
01. 双💼⛎重自回💣🌫归机制，让😷👲模型长期预测不👩⚖️🇶🇦再跑偏！ 🎛传统世🇱🇸界模型有个🇿🇲©致命问题🇵🇹，训练和测试方🇸🇿式不一致🐖💤。虽然RWM在训练🔀时用了接触🌘力、足端高🇹🇯度等信息，但这⛪些信息在真⚙💆♂️实硬件🔥上需要额外的传感🏎😃器或估计🤤8️⃣算法👩🦳🎚。
Spac📖🍚eX为何愿意🍡👩🔧为此下重注🇳🇷？答案，或许就藏🏠在马斯克那张🇮🇹庞大的商业版图里⛺。Frac🔯🍦tile 的热📪⛄度与 Anthr🍠🤵opic 现有基🇳🇵础设施🇹🇹需求的😖激增不谋而▶合🗄🧷。这个结果表明⛈👩💻，中间训练对🧘♂️🍜VLM的原有能力🤮🎇并非无🎏损保留，而是带👨👦👦🥬来了一种有🛠选择性⚠🏋的调整：它🇿🇦🤭强化了与机🐰器人任务相关的♾️📿能力（如🇦🇽🚠三维空间推🇭🇳理），同时对🔛某些更🎾🕳偏向通用感📙💕知或特👮定类型空间🥛🤼♂️理解的能力有所🐉削弱💮。
