三天前半夜刷 arXiv 的 cs.AI 新提交，划到一个眼生的名字：WetRobo，编号 arXiv:2609.18435，9 月 16 号挂上去的。九页，十一张图，两张表。
先把话说明白：这期的选手不是 repo，是论文。我没法像平时那样 pip install 摸一圈，只能一页页读。这一点后面还会再提一次，先记着。
定调一句——这不是又一个机械臂大模型，是一篇把"实验室机器人"从训练问题改成分发问题的论文，顺手把 VLA 微调那条路按到了对照组的位置上。
湿实验室自动化卡在哪，同行心里都有数。臂不贵，贵的是让它在你这间屋子里真能动起来。VLA 策略这几年被拿来干通用机械臂，麻烦在于换一间屋子，光照、台面高度、瓶子怎么摆、培养箱门的手感，全变了，策略就得重训。作者开头自己就点了这一条：视觉-语言-动作策略在运行环境变化时性能会掉。这话不新鲜。新鲜的是他们拿什么来接这个坑。
WetRobo 给的是一套能快速搬家的机器人套件：一条机械臂、几件实验室里本来就有的事（培养箱、带盖试剂瓶、培养皿）、一套移动机械臂的现成代码、每项任务录好的遥操作演示，再加一份通用技能文件。实验的人用自然语言把任务说一遍就行，不采本地遥操作数据，也不训网络。真正干活的是编码代理：它自己先看一圈本地环境长什么样，然后写程序、跑程序，卡住了就调外部工具来适配。
这个分工我服。VLA 那套是把"怎么干"压进权重里，环境一变权重就不认了；这套是把"怎么干"留在程序里，程序可以现场改。有点像同一套零件发到每间实验室，再配一个到了现场会照着实际情况改说明书的师傅，而不是发一个出厂就焊死的成品。
刷论文的时候我最怕看见"通用"两个字，这篇没往那儿吹，这点先加一分。
实验那部分才是真正值得看的。开瓶盖这个任务他们在两个实验室都跑了：编码代理在 Lab X 和 Lab Y 都能完成；而在 Lab X 的演示数据上微调出来的 VLA 模型，在 Lab X 成功，搬到 Lab Y 就不行了。就这一条对照，比全文其它内容加起来的说服力都大。另外两个任务是用 Codex（论文里写的是 gpt-5.6-sol）在真实实验室里驱动跑完的，一个是提起培养皿的盖子，一个是打开培养箱门。
作者据此给出的路线是："不再为每个实验室单独训练策略，而是分发套件，由编码代理在各实验室中自行适配。"它自己的原话引到这儿，我转述一下：策略不再是你交付的东西，套件和代理才是。
然后是冷水。三个任务，两个实验室，跨实验室对照只做了开瓶盖这一个。论文里我没看到成功率数字。这次也没法像平时那样装一遍摸一圈——论文型选手的先天缺陷，只能读，读完只能判断思路对不对，判断不了它有多稳。图再好看也读不出手感。
我一开始想说这就是 VLA 的判决书，写完那段对照发现自己说过头了。n 等于一的对照不构成判决，只能算一个反例，只不过这个反例出得太干净了。
代码、演示、还有演化后的程序，论文说都已经公开。这是加分项，但公开到什么程度、有没有人照着复现出第二间实验室，还得蹲。我先把它放进观察名单，不上候选池前排。
适合谁：手上已经有一条臂、又在为不同实验场景反复重训策略的实验室工程岗，这套思路能直接省掉一层活。另一类是纯来看打法的，把"分发套件 + 现场编码适配"挪到别的非标环境里去，比如产线、仓储那种环境一改就得重训的地方——这个套路本身比这套硬件值钱。
不适合谁：想拿来就上生产的。三个任务、两个实验室、成功率没给，这时候上生产就是拿自己当实验。
候选池里还搁着一个同方向的东西，等它把代码和复现案例补齐了我再讲。至于 WetRobo 能不能打，这次我最多只能给你一句"思路值得抄"；真扛不扛得住一间不属于作者的实验室，得等别人照着搭一套出来才知道。