机器人想变聪明，光靠堆数据不够。最近arXiv上三篇论文各走了一条路：让大模型直接写控制代码、给机器人配一块轻量记忆、从几张单目照片里还原关节结构。方向不同，问的是同一件事：怎么让机器人在没见过的场景里也别掉链子。
第一篇讲Coding Agent。思路很直白：语言模型不输出动作，它输出一段程序当控制器，机器人照着跑。这类agent不用专门做机器人训练，也能操作真机。难点在安全，作者就加了一层障碍感知框架，代码执行前先把可能撞上障碍的指令拦下来。代码写错可以重来，机械臂撞上去没得撤销。
第二篇盯的是记忆。复杂操作得记住之前发生过什么，可要把完整历史一股脑喂给策略网络，模型容易学到假关联，性能反而下滑。Workspace Models用显著性监督，只留真正重要的那部分信息，把记忆做轻。相当于给机器人一张便签纸，不是一整本日记。
第三篇FAMOS解决的是另一类问题：从稀疏单目视角重建可动关节物体。每次观察只能看到局部几何和运动线索，多数前馈方法都猜不准。FAMOS用前馈网络，从少量观测直接推断关节结构，省掉逐物体的优化过程，速度快、部署也轻。
三篇放一起看，路子是一致的：机器人学习和LLM工程在互相渗透，一边是程序化控制加安全约束，一边是记忆和三维感知的轻量化。不指望一个通用大模型包打天下。每个环节做扎实。