安全动作空间里的端到端灵巧：Geometric Fabrics + RL¶

横纵分析法 · Papers 版 — 种子论文 8 篇（2018–2026）

同源索引：夹爪装配 · Factory 线｜夹爪抓取 · 合成数据与域随机化

Executive Summary¶

这条线要回答的问题不是「灵巧手能不能抓」，而是：高自由度臂手在真机上怎么既敢探索、又不把自己和零件撞坏。NVIDIA Seattle Robotics Lab 给出的答案，是把 Geometric Fabric 做成 RL 的安全动作空间，再把特权信息 teacher 蒸馏成可部署的视觉 student。

八篇种子论文其实是两条支流在 2024 年汇合。一条是 Nathan Ratliff / Karl Van Wyk 的几何控制理论：从 RMPflow（2018）到 Geometric Fabrics（2021），再到「fabric 可以直接当 RL 动作空间」（2024.05）。另一条是 Ankur Handa 一脉的 GPU 大规模域随机化：DeXtreme（2022）先把 in-hand 重定向做成可迁移的 RL 基础设施。汇合之后的完整系统是 DextrAH-G（深度图、23-DoF、真机 256 次尝试 87%），随后 DextrAH-RGB 去掉深度相机，2025 年那篇 end-to-end RL 把 RGB 成功率从 77% 拉到 93%，2026 年 8 月的 ADEPT 再把同一套语言推到视触觉插装，并第一次认真做预训练 / 后训练。

当前格局已经从「证明零样本能过 sim-to-real」进入「证明配方能复用」。还没被这条线真正打开的，是开源权重、跨实验室复现、以及把 fabric 从 NVIDIA 内部控制栈变成社区默认接口。我的判断：未来 1–2 年这条线会继续沿「观测更便宜、任务更长、本体更多」往前走，但扩散速度会被 checkpoint 不公开卡住——这不是猜测，是它自己在索引里承认的结构性事实。

在碰 RL 之前，先发明一种新物理¶

如果只看 DextrAH 的 demo，很容易把这条线读成「又一个 Isaac Gym + PPO + 蒸馏」的故事。那会漏掉它最特殊的一层：策略并不直接写关节扭矩。策略写的是一个已经被证明稳定、可组合、可调的反应式行为层。这一层有自己的思想史，比 GPU RL 还早四年。

经典力学装不下「行为」¶

机器人控制里有一条很老的路线：把任务写成势能，让系统沿能量下降的方向走。它漂亮，也窄。位置空间上的度量一旦定下来，几何就被锁死；想同时做「走向目标、躲开障碍、保持姿态、别超关节限位」，就把一堆势能硬加在一起，再靠调参祈祷不要振荡。

2018 年 11 月，Ching-An Cheng、Mustafa Mukadam、Byron Boots、Nathan Ratliff 等人在 WAFR 上发表 RMPflow（arXiv:1811.07049）。它的关键 insight 不是又一个避障控制器，而是：每个子任务都活在自己的非线性流形上，应该先在那个流形里写成 Riemannian Motion Policy，再用计算图按几何一致的方式拉回配置空间。 论文给出了稳定性的充分条件，并证明利用稀疏结构可以算得动高自由度机械臂。实验场景是穿过杂乱空间——这正是后来臂手抓取必须先活下来的那个问题。

RMPflow 打开了一扇门，也留下一个裂缝。RMP 为了表达力，放弃了经典力学对度量的限制；表达力上来了，理论稳定性却变脆。2021 年 9 月的 Geometric Fabrics（arXiv:2109.10443，RA-L / ICRA 2022）就是来补这道裂缝的。Van Wyk、Boots、Ratliff 把经典力学先推广到 Finsler 几何，再显式「弯曲」这套几何去塑造行为，同时把稳定性留住。论文自己的对照对象不是某个 RL baseline，而是他们已经工程化、硬化过的 RMP 实现——fabric 在真机上胜过了自家上一代控制器。

这一步的意义要放到后面才看得清。2021 年的 fabric 还是一个控制器设计工具。它还没有变成 RL 的动作空间。但它已经具备三条后来被 RL 吃干抹尽的性质：可组合（多个行为可以加）、可调（设计者能改几何而不改稳定性证明）、天然稳定（策略输出被夹在一个不会自己发散的二阶系统里）。

OpenAI 已经证明过「灵巧能过 sim-to-real」，但那套东西太贵¶

和理论线平行，2018–2019 年 OpenAI 的 Dactyl / Rubik's cube 已经用域随机化把 in-hand 操作迁到真机。那是这条研究问题的存在性证明。它同时也是一个反面教材：Shadow Hand、运动捕捉、巨大的计算账单、难以复现。社区因此长期把「灵巧手 sim-to-real」理解成只有少数实验室玩得起的 circus trick。

2022 年 10 月的 DeXtreme（arXiv:2210.13702，ICRA 2023）要做的，就是把这套戏法从「贵」变成「可复制的基础设施」。Handa、Allshire、Van Wyk、Fox、State 用 Isaac Gym 在 GPU 上大规模域随机化，硬件换成更常见的 Allegro Hand，视觉位姿估计自己训，不再依赖 mocap。论文最硬的一句是：视觉策略显著超过文献里同任务的视觉策略，并且能跟「用 mocap 喂特权状态」的策略打平。项目页 dextreme.org 把代码公开了。

DeXtreme 还没有把 fabric 当作动作空间。它立住的是另一半：GPU 并行仿真、自适应域随机化（ADR）、视觉估计、以及「特权 teacher → 可部署 student」这套后来整条线都在说的工程语言。没有 DeXtreme，后面的 DextrAH 只是一个更漂亮的控制器；没有 fabric，DeXtreme 后面的臂手系统会继续活在「策略输出稍猛一点就撞限位」的恐惧里。

2024 年 5 月：两半拼上¶

Geometric Fabrics: a Safe Guiding Medium for Policy Learning（arXiv:2405.02250）是整条线最被低估的一篇。它几乎没有新的硬件 demo，却把一个设计选择说成了定理式的主张：fabric 不该只当底层控制器，它应该就是 RL 的动作空间。 策略输出被解释成对 fabric 的引导，而不是对关节的直接命令。训练效率来自动作空间已经被「削」成安全、反应式、带几何偏置的流形；真机安全来自同一套二阶系统在仿真和实物上用同一套方程。

两个月后，DextrAH-G（arXiv:2407.02274，CoRL 2024）把这个主张做成第一代完整系统。23 个电机的臂手，深度图进、动作出，全程仿真训练，零样本上真机。论文报告的主数字不是某个仿真 benchmark，而是一个接近产线的连续作业：超过 30 种物体，抓起来运到旁边的箱子。八轮实验里，连续成功次数均值 6.56 ± 2.41，周期 10.66 ± 0.84 秒（约 5.63 picks/min），256 次尝试成功率 87%。作者拿 Boothroyd-Dewhurst 表估了一个人类参照：约 16.53 PPM。机器大约是人的三分之一速度，但已经不是实验室里「抓一下停一下」的那种 demo。

DextrAH-G 的工程细节值得单独停一下，因为后面三年基本在换零件、不换骨架。Teacher 是特权状态上的 PPO，动作不是关节增量，而是对 fabric 的引导量；fabric 再往下接机器人。Student 用 DAgger 模仿 teacher 的动作分布，输入是深度图加本体感觉，输出仍落在同一个 fabric 接口上——这保证仿真和真机的低层控制器是同一套方程，而不是「仿真里 PD、真机上另一套阻抗」。物体位姿在 teacher 侧是特权，在 student 侧被一个辅助的位置预测头兜着，状态机用这个估计在「抓」和「运」之间切换。256 次尝试、30+ 物体的协议，比单物体 20 trial 的实验室报告更接近产线；但 87% 仍然把「抓起来放到箱子」算成功，不包括码放朝向、不包括下一工位插入。人类 16.53 PPM 的对照来自手册估算，不是同台实测，只能当数量级。

到这里，这条线的默认配方定型了：

特权状态 teacher  --PPO+ADR-->  fabric 引导策略
        |
     DAgger / 蒸馏
        v
深度 / RGB student  --零样本-->  真机

深度相机是下一道该拆的墙¶

DextrAH-G 仍然吃深度图。深度相机贵、噪、怕太阳、产线上不一定有。2024 年 12 月的 DextrAH-RGB（arXiv:2412.01791，标 ICRA 2026）把输入换成纯双目 RGB。做法在概念上很朴素：teacher 还是特权状态 + fabric；student 改吃立体 RGB；蒸馏严格留在仿真里，靠照片级 tiled rendering 把外观域随机化做满。作者自称这是「复杂、动态、接触密集任务上，端到端 RGB 策略首次稳健 sim-to-real」。它和 DextrAH-G 的对比很能说明问题：同一套动作空间、同一套蒸馏，换的只是观测模态——所以后来 2025 年那篇 end-to-end RL 才能把「77% / 87% / 93%」放在同一张表里。

蒸馏有一条观测缝，端到端 RL 是在补它¶

标准配方的隐患，2025 年 9 月那篇 End-to-end RL Improves Dexterous Grasping Policies（arXiv:2509.16434）写得很直：state teacher 看见的是物体位姿和接触力，RGB student 看不见。蒸馏时这条 observability gap 会被学生用捷径补上，真机上就裂开。他们做了两件事。

第一件是工程。现有仿真器的多卡扩展是 data parallelism，视觉 RL 的 replay 太吃显存，PPO 的 batch 上不去。他们把仿真器和 PPO（含经验缓冲）拆到不同 GPU 上：四卡节点里三卡跑仿真、一卡跑 PPO，同等卡数下环境数翻倍。这不是算法贡献，但是视觉端到端 RL 能训起来的前提。

第二件是训练图。先把深度策略用 RL 训出来，再蒸到立体 RGB。深度和 RGB 都是像素，观测缝比「状态 → RGB」窄得多。真机对照表写得很干净：

方法	Teacher	真机成功率
DextrAH-G	状态	87%
DextrAH-RGB	状态	77%
本文	深度	87%
本文 + 分卡仿真	深度	93%

索引里写的「77% → 93%」指的就是这张表，不是 DextrAH-RGB 自己把数字刷上去了。社区共识会把它读成「端到端更好」；我的读法更窄：在这条特定的臂手抓取设定里，缩小 teacher/student 的观测缝，比继续加渲染随机化更值钱。分卡仿真把 batch 做大，是让深度 RL 先训得动的工程前提，不是独立的智能贡献。

ADEPT：第一次承认「每个下游任务从零训」是浪费¶

2026 年 8 月 19 日挂上 arXiv 的 ADEPT（arXiv:2608.19182）把问题从抓取换成了长程：抓起来、手里转、插进去。FMB 的 peg insertion 原本是给夹爪设计的，夹爪需要夹具和外部分解；ADEPT 用多指手一次做完，作者报告单次 5–10 秒，对照夹爪流水线的 20–70 秒（2×–14×）。两个本体：23-DoF 的 Kuka iiwa7 + Allegro（双 RGB），29-DoF 的 Flexiv-Sharpa（双 RGB + 五个指尖视觉触觉）。

真正新的不是「又能插了」，而是训练图从「一任务一训」变成「预训练 + 后训练」。预训练任务是通用的 object reposing：16 种随机尺度的几何体，做完 reach–grasp–lift–reorient–transport–repose。预训练策略对下游任务的「搬到孔上方」这一段可以零样本（ADR 35 以前成功率仍高于 50%），但一碰到孔口接触就掉到 0%。直接 PPO 微调会在很少的 update 里把预训练行为毁光——论文把原因写死了：奖励变了、观测多了新通道、critic 还在用旧价值、advantage 一歪，策略就被推离预训练分布。

ADEPT 的后训练配方因此不是「加一个 KL」这么简单：先 BC 蒸馏把 actor 接到新观测空间，再冻住 actor 给 critic 热身，最后用很小的 actor 学习率做保守 PPO。控制层也改了：以前 DextrAH 的 fabric 更偏任务空间引导，ADEPT 改成关节空间 Geometric Fabric，策略输出 [-1, 1]^nq 的关节相对增量，让 23 / 29 个自由度都被安全地用满。触觉侧用 TacMap 式的穿透深度图 + 二值接触图，再按 SaTA 的方式用指尖位置做 FiLM 锚定。

ADEPT 的预训练泛化表是它最有说服力的内部证据：只在 16 个 primitive 上训过的 teacher，对 FMB peg 和 VisDex 物体的 reposing 成功率不低于 in-distribution。说明 reposing 先验学到的是「手怎么在空间里安置一个刚体」，不是「记住这 16 个形状」。零样本插装曲线同样诚实：搬到孔上方（ADR 35）仍高于 50%，一接触孔口（ADR 50）掉到 0%。后训练必须从接触这一刻重新学。盘子任务则证明后训练不只是精修：预训练的抓取模式对盘子全部失败，但「已经伸到盘子附近、做出像样的接触尝试」足够当探索先验，下游 RL 能从这里长出新抓法。作者把自然抓取的出现归因于预训练把策略初始化进了「自然抓取」那块参数区域，而不是插入奖励本身——从零训的 PPO 会收敛到能插但难看的抓法，而且跨 seed 方差大。

还没被充分检验的，是这篇 2026 年 8 月 19 日的预印本最容易被营销的两句：「human-level speed」和「first demonstration of pick-reorient-insert from raw perception」。速度对照是 FMB 夹爪流水线的 20–70 秒对 5–10 秒，夹具和外部分解是主要慢因，不是人类手速。First demonstration 取决于你把 DemoStart、ManipGen、以及各种「估计位姿再插」算不算同一句话。ADEPT 自己的 related work 把差异写在 raw perception、无 pose tracker 上，这个差异是真的；把它说成灵巧插装的第一次，过满。

到 ADEPT，这条线完成了三次升级：控制器从 RMP 变成 fabric，再变成 RL 动作空间，再变成关节空间动作空间；观测从特权状态变成深度、RGB、视触觉；任务从 in-hand 重定向变成抓取，再变成抓–转–插。三次升级共用一个没变的骨架：仿真里用特权信息把难探索做掉，再蒸馏成真机读得懂的传感器。

2018 RMPflow          几何组合 + 稳定性
   |
2021 Geometric Fabrics   Finsler + 弯曲 = 可塑造且稳定
   |                         \
2022 DeXtreme                 \   GPU RL / ADR / 视觉估计
   |                           \
2024.05 fabric = RL 动作空间    两条汇合
   |
2024.07 DextrAH-G     23-DoF 深度，连续作业 87%
2024.12 DextrAH-RGB   去掉深度相机
2025.09 e2e RL        深度 teacher，77% → 93%
2026.08 ADEPT         预训/后训 + 关节 fabric + 视触觉插装

同一套骨架上，其实在选五件事¶

把八篇种子摊开，真正正交的设计轴没有那么多。社区现在还在争的，是下面五件。

策略该写在哪一层：扭矩、任务空间，还是 fabric¶

一端是「策略直接出关节目标 / 扭矩」。探索空间最大，真机最容易把自己折了，奖励塑形也最痛苦。另一端是「策略只出高层目标，底层是经典阻抗或运动规划」——安全，但把灵巧手最有价值的协同自由度藏起来了。

Fabric 站在中间，而且是一种带理论承诺的中间。它的前提假设是：你能把安全约束、避碰、限位、速度界写成 fabric 里的几何项，并且这些项在仿真和真机上足够同构。这个假设一旦不成立——比如真机关节摩擦、腱驱动迟滞、未建模的线缆干涉——fabric 仍然稳定，只是稳定在错误的行为上。DextrAH 系列选择相信这个同构，并用域随机化去覆盖残余差距。ADEPT 把 fabric 从任务空间推进到关节空间，等于承认：要做插装这种需要「把每一个关节都用上」的事，任务空间引导会变成瓶颈。

和这条轴耦合的，是探索效率。动作空间被削过之后，PPO 的样本用在「怎么抓」而不是「怎么不爆炸」。这是这条线相对 OpenAI Dactyl、相对直接关节 RL 的真正优势。反过来说，如果下游任务需要一种 fabric 设计者没写进去的接触模式，策略会在一个过于礼貌的流形里转圈。ADEPT 的盘子任务提供了一个温和的反证：预训练的抓取模式对盘子全部零样本失败，后训练必须从「已经伸到盘子附近」的先验里重新发现抓法——fabric 没有阻止发现，但也没有帮忙。

Teacher 看见什么，student 才能稳¶

一端是特权状态 teacher（物体位姿、接触力、完整本体感觉），student 吃传感器。这是 DeXtreme / DextrAH-G / DextrAH-RGB / ADEPT 的默认。另一端是视觉端到端 RL，teacher 和 student 看见同类像素。2025 年那篇论文站在第二端，并且用真机 77% vs 93% 给出了目前这条线上最干净的对照。

两端的前提不一样。特权 teacher 假设你在仿真里能拿到准位姿和接触；对刚体抓取这大致成立，对 deformable、对液体、对「触觉是任务本身」这件事就不成立。像素 teacher 假设你渲染得够真、随机化得够狠，而且 batch 大到 PPO 能训视觉。分卡仿真是在买第二个假设。

用户和部署侧的偏好很清楚：产线不要 mocap，最好连深度相机都不要。所以产品形态会把 student 推向 RGB 或 RGB + 触觉。开发者侧则仍然需要特权 teacher，因为高维臂手从像素直接探索，在 2026 年也还没有变成默认能训动的事——ADEPT 自己的 student 仍然是蒸馏出来的，不是从像素 RL 训出来的。

一任务一训，还是先训一个「手会做事」的先验¶

DeXtreme 到 DextrAH-RGB 都是一任务一训。ADEPT 是这条线上第一个把 LLM 式的 pretrain / post-train 语言说完整的。它的证据目前还薄：预训练只在 16 种 primitive 上，每个本体单独预训，并不是一个跨本体基础模型。但诊断很硬——朴素微调把零样本能力打到 0%，这不是「微调超参没调好」，是 critic 错位引发的结构性崩溃。

我的判断：这个轴会变成下一阶段的主轴。抓取已经接近「训一次、搬一类物体」；插装、工具使用、多步骤装配会逼所有玩家表态——是继续为每个 NIST 零件烧一张卡，还是养一个会 repose 的先验再特化。Play2Perfect、SimToolReal、DemoStart 这些同期工作选了不同的先验（play、procedural primitive、示范），但它们部署时往往还在吃估计位姿。ADEPT 的差异是 student 吃原始 RGB / 触觉。这是它和夹爪装配那条 Factory 线开始重叠的地方：装配线用技能库（SRSA）解决「新零件从哪来」，灵巧手线用预训练解决「新手势从哪来」。

观测模态：深度、RGB、触觉，谁在付 sim-to-real 的账¶

深度的好处是几何直接，坏处是传感器本身就是域。RGB 的好处是相机到处都是，坏处是外观域必须用渲染去填。触觉的好处是接触这件事只有触觉看得见，坏处是仿真接触信号过 sim-to-real 的名声一直很差。

这条线的移动方向非常单向：能不用深度就不用，能加上触觉就加上，而且触觉被表示成和仿真共享的几何量（穿透深度、接触图），而不是仿真器原生的力。这是在抄 Factory 线 FORGE 的力阈值思路——把难仿真的物理量，改写成两边都能计算的几何代理。

还没人站的位置：纯触觉、无视觉的灵巧操作，以及「触觉作为 posterior、视觉作为 prior」那种 Being-H0.7 式的训练时特权。ADEPT 把触觉留给了 student，teacher 仍然更偏状态。这是一个空白。

开源到哪一层：代码、配方、还是能跑起来的权重¶

索引自己写了判决：「灵巧手那条线普遍只放代码不放 checkpoint，这也是它在社区里扩散慢的一个直接原因。」这不是风格问题，是方法问题。没有权重，别人无法验证 87% 和 93% 是不是绑在某一套未公开的渲染随机化、某一版 fabric 超参、某一台相机标定上。Factory 线至少把零件资产和部分环境放进了 Isaac Lab；抓取线把 GraspNet、ACRONYM、Contact-GraspNet 做成了公共底座。灵巧手线目前更像内部系统论文串。

这会反过来塑造路线选择。一个实验室如果复现不了 DextrAH，就更可能去复现 GraspNet 或 Factory，然后在自己的硬件上重造一遍「安全动作空间」。fabric 的理论是公开的，实现细节和调参传统是隐性资产。

和另外两条线比，用户口碑几乎不存在——没有足够多的外部用户。开发者能引用的是公式和 demo 视频，不能引用「我在自己的 Allegro 上复现了 87%」。这让 DextrAH 在引用图谱里像系统论文，在方法图谱里像还没交付的基础设施。我的 take：权重不公开不完全是商业保守，也是诚实——这些策略绑在特定的相机外参、特定的 fabric 超参、特定的渲染随机化范围上，放出一个 checkpoint 而不放整条随机化配置，复现者仍会失败，作者会收到一堆 issue。但长期不放，社区就会用「做不到」而不是「没公开」来解释扩散慢。

设计空间地图¶

工作	动作接口	Teacher 观测	Student 观测	训练图	任务	开源权重
RMPflow / Fabrics 理论	几何控制，无 RL	—	—	—	反应式运动	代码有
DeXtreme	关节 / 常规控制	特权 + 视觉估计	视觉	RL + 估计器	in-hand 重定向	代码有
fabric as action space	fabric 引导	特权	—（论证文）	RL	通用	预印本
DextrAH-G	fabric	特权	深度 + 本体	RL → 蒸馏	臂手抓取 + 搬运	代码有，权重基本无
DextrAH-RGB	fabric	特权	双目 RGB	RL → 蒸馏	同上，去深度	代码有
e2e RL (2025.09)	fabric	深度（RL）	双目 RGB	深度 RL → RGB 蒸馏	臂手抓取	预印本
ADEPT	关节空间 fabric	特权	RGB / RGB+触觉	预训 → 后训 → 蒸馏	抓–转–插	预印本，2026-08

玩家聚类很明显：Ratliff / Van Wyk 一直站在「动作接口」这一列，Handa / Allshire / Singh 一直站在「怎么把视觉 RL 做大」这一列，Fox 在早期（DeXtreme）出现、后期装配线更常见。空白格子是「像素端到端 RL + 关节 fabric + 开源权重」——理论组合存在，还没有一篇种子论文把它填上。

这条线已经证明了什么，下一拳会打向哪里¶

成熟度上，它已经走过 early exploration，进入 rapid convergence：2024 年之后的四篇论文不再争论「要不要 fabric」，只争论观测、训练图和任务范围。还没有进入 mature optimization——真机数字仍然来自同一间实验室、同一套未完全公开的栈。

最重要的未解决问题有三个，一个偏 fundamental，两个偏 engineering。

Fundamental 的那个：fabric 削过的动作空间，会不会把「必须用上未建模接触模式」的任务永久关在门外？盘子任务是一个软信号。工具使用、布料、打开未知机构，会是硬信号。如果后训练总能从预训练先验里长出新模式，这个担忧就降级为工程；如果不能，fabric 就从优势变成天花板。

Engineering 的两个：权重不公开导致的复现危机；以及「每个本体单独预训练」还不是 foundation model。ADEPT 自己写了「each task and embodiment is trained independently」。23-DoF 和 29-DoF 之间没有共享表征。这和 Being-H0.5 的 unified action space、和 Factory 线 AutoMate 的 generalist 都形成对照。

接下来 1–2 年我看好三件事，置信度从高到低：

RGB + 廉价相机成为默认部署观测（高）。深度相机在这条线的叙事里已经是要被拆掉的墙，e2e RL 论文把 RGB 做到 93%，没有回头的商业理由。
预训练 / 后训练会从 ADEPT 的一篇预印本变成默认配方（中）。诊断太干净了，不会被忽略；但先验任务会不会停在 16 个 primitive 上，还是长成跨物体、跨本体的 play，仍不确定。
视触觉插装会倒逼仿真接触表示的标准化（中）。ADEPT 选了 TacMap + FiLM，这是在赌「几何代理比力信号好迁移」。如果这个赌赢了，灵巧手线和 Factory 的 FORGE / TacSL 会在表示层汇合；如果输了，触觉会继续停在 demo 级。

和 Factory 线比，这条线更晚承认「一任务一训」的浪费，更早坚持零样本 student。Factory 2026 年用 SPARR 把最后 10–20 个点交给真机 residual；灵巧手线到 ADEPT 仍把 student 零样本当贡献。两个判断可以同时对：抓取和粗插装的视觉域能被渲染随机化盖住，亚毫米装配的接触残差盖不住。ADEPT 做 FMB peg 而不是 Factory 的螺纹，正好停在这个分界附近。若下一步去卡扣和螺纹，我预期他们会被迫写下自己的 SPARR——或者用触觉把残差读出来，而不是在真机上再训一层。

对八篇种子的整体评价：它们把「安全动作空间 × GPU RL × 蒸馏」这条配方从理论推到了长程视触觉任务，覆盖了控制、观测、训练图三张主轴。完全没碰到的，是数据开源、跨机构复现、以及和 VLA / 世界模型路线的接口——π 系列、LingBot-VA、Being-H 都不会把动作写进 fabric，两边目前还是平行宇宙。我倾向于认为这不是永远的平行：谁先把 fabric 做成一个可被大模型调用的低层技能接口，谁就吃到两条生态。

那套共用的工程语言，在这里分别指什么¶

索引把三条线收在同一页，是因为它们说同三种话：GPU 并行仿真、域随机化、特权 teacher 蒸馏。落在灵巧手线上，三个词的意思和其他两条并不一样。

GPU 并行仿真在这里首先是 Isaac Gym 把几千只手同时掉下来，其次才是 2025 年那篇把仿真器和 PPO 拆到不同卡上。没有第一层，DeXtreme 不存在；没有第二层，深度端到端 RL 的 batch 上不去。装配线的 GPU 仿真首先是接触求解器，抓取线的「大规模」首先是离线合成数据集，甚至不必在线并行。同一句「GPU」，一个指在线 RL 吞吐量，一个指接触物理，一个指标签工厂。

域随机化在这里是 ADR：成功率涨了，再把重力、物体尺度、摩擦、视觉噪声往上加。这是课程，不是一次性把纹理随机化到 Tobin 2017 那种贴纸风。抓取检测用深度之后，很多方法宣称「不用随机化也能过」；装配线 IndustReal 甚至明确写过他们避免动力学随机化，怕把插入这种高精度任务的物理随机坏。灵巧手线是三条里最依赖「把真实世界盖进训练分布」的，也因此最依赖渲染器和随机化范围这些不可见超参。

特权蒸馏在这里是系统的主路径，不是可选头。Teacher 必须看见物体位姿和接触，student 必须只看见相机。2025 年论文证明这条路径有观测缝；ADEPT 仍然走它，只是把 teacher 的能力用预训练存起来。装配线的蒸馏出现得更晚、更弱（AutoMate 的 generalist 蒸馏），抓取线几乎不蒸馏——检测器直接监督。谁在用蒸馏，谁就是在训闭环策略而不是开环检测。

把三句话翻译成这条线的方言：并行的是手，随机化的是物理和像素，蒸馏的是从上帝视角到相机。 读 DextrAH 的人如果只记住 87%，会漏掉这三句方言里每一句都绑着一个还没公开的实现细节。

收尾¶

把 Geometric Fabrics 理解成「又一个控制器」会看轻它；把它理解成「RL 能成功的原因」又会看重它。更准确的说法是：这条线找到了一个让高维探索和真机安全同时成立的接口，然后用四年把观测和任务往这个接口上堆。接口选对了，堆东西就很快；接口一旦碰到它削不掉的接触模式，整栋楼都要改地基。ADEPT 已经开始在地基上开窗（关节空间、预训练、触觉）。下一步是看这扇窗通向复现和开源，还是只通向下一篇内部系统论文。