# CBST：跨本体迁移该保留什么

CBST：跨本体迁移该保留什么

完整文章：https://haiguangboy.com/posts/cbst

## 核心方法

作者提出CBST（因果束引导的子任务迁移），把问题落在“当前该保留哪些操作信息”。
↳ ① 先学表征：用SSv2的174类动作做时序分类预训练，再用机器人示范把表征落到条件、操作尝试、物体变化和局部效果上。
↳ ② 筛选条件：在预定义操作模型内，选择能维持当前机制输出、且对保留输入组合的变化仍有响应的变量集合，随执行上下文更新。
↳ ③ 接入WAM：把所选变量和值等信息转成文本条件，交给冻结的世界动作模型。动作由机器人结合自身观测生成；选择不可行时，省略对应结构字段，保留任务与状态条件。

## 关键结果

· RoboTwin Easy：相同机器人适配预算下，有序人类预训练为94.00%，无该预训练为92.80%。
· 同一个CBST检查点，省去所选依赖相关字段后为92.82%，完整条件为94.00%。
· AgileX真机杯子放置：14/20→17/20。松夹爪后的最终放置才算成功，双臂交接只是过程。

## 相关路线对比

- 相反路线 · [LAWM：为什么动作标签会成为负担](https://haiguangboy.com/posts/latent_action_pretraining_through_world_modeling) `latent_action_pretraining_through_world_modeling_2026_07`：LAWM：为什么动作标签会成为负担
- 相反路线 · [MoCaP：人类视频驱动零样本移动操作](https://haiguangboy.com/posts/mocap) `mocap_mobile_code_as_policies_for_zero_shot_mobile_manipulation_from_passive_hum_2026_10`：冻结的是WAM，不是整条方法无需训练 contradicts 全部学习组件冻结，不做任务专门训练
- 相反路线 · [不教步骤，装配技能如何从奖励中涌现？](https://haiguangboy.com/posts/alphanist) `alphanist_emergent_assembly_skills_from_binary_task_rewards_2026_10`：作者强调目标相同不等于保留了实现条件 contradicts 作者判断异质任务可通过共享终点目标正迁移
- 同路线 · [An_Open_Foundation_Model_Towards](https://haiguangboy.com/posts/an_open_foundation_model_towards) `an_open_foundation_model_towards_2026_07`：人类视频先训练动作分类表征 validates 联合co-training异构人机数据是结构性次优方案
- 同路线 · [DexTouch-WM：人类触觉预训练](https://haiguangboy.com/posts/dextouch-wm) `dextouch_wm_learning_action_conditioned_tactile_world_models_from_human_touch_fo_2026_09`：作者主张迁移与效果相关的条件和依赖 validates 作者主张：共享接触接口和动作空间后，人类触觉可成为机器人预测的扩量轴
- 同路线 · [KODA：人类示范转成人形全身数据](https://haiguangboy.com/posts/koda) `koda_kinematics_observation_data_alignment_for_humanoid_learning_from_human_egoc_2026_10`：共享语义模板不保证人类beam在机器人上有效 validates 复用图像与实现状态之间仍有跟踪残差

## 边界

⚠️ 边界与代价
“因果有效”限于预定义模型和估计上下文；模板或状态估错，条件筛选也可能失效。仍需机器人示范、语义预测和选择器训练。上述真机数字只是杯任务各20次执行；仿真主表公开基线也非配对重跑，小幅差值不能直接当成显著收益。

## 作者判断(非论文内容,跨论文综合观点)

联系MoCaP看：它迁移搜索与接近先验，CBST筛选局部操作条件，具体动作都留在机器人侧生成。跨本体复用的关键落在“哪些经验能借，哪些执行条件需要重新落地”。半年后回看：相同机器人数据和模型下，结构筛选能否在跨任务复核中持续优于目标/状态条件？