机器人换个视角或光线就“罢工”？中山大学与X-Era AI Lab团队在CVPR 2026冠军论文中指出：根源不在于机器人不懂物理，而是它“看到的空间变形了”！

研究团队将视觉-语言-动作模型（VLA）拆解为“空间建模”和“物理建模”。他们发现，环境改变时，机器人的物理推理能力并未失效，真正出问题的是负责识别物体位置的空间建模。两者的“错位”导致了机器人失灵。

为此，团队提出极简的“空间校准”方案。令人惊叹的是，仅增加约4000个参数微调视觉特征，就能让机器人在新视角下的成功率从48.5%飙升至87.1%！若用470万个参数进行深层对齐，成功率可达90.8%，且参数量比传统方法锐减99倍。这证明，精准校准空间表征比盲目堆砌大模型更有效。

该研究不仅打破了“模型越大越好”的迷思，还提出“原生世界动作模型（VWA）”新愿景：未来的机器人不应只靠预测文字或视频来行动，而应直接学习真实物理世界的时空演化规律。

此外，该论文因详尽公开实验细节荣获首届CVPR计算透明度冠军奖。它启示我们：让机器人理解世界，关键在于重塑空间与物理的关系，而非单纯叠加参数。