以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Low-cost arms such as the SO-101 have become the most common entry point to robot learning, yet no released policy performs spatially constrained, language-conditioned tasks on them out of the box, and existing SO-101 benchmarks run only on physical hardware with simple tasks and few held-out objects. We introduce SO-1
阅读原文 · Truman Hickok
向阳乔木 · opencode-go/deepseek-v4.1-flash
机器人学习这几年最现实的入口，是 SO-101 这类低成本机械臂。买得起、装得快、社区教程多，很多人第一次跑通抓取就是在这上面。 问题是： 便宜硬件配不上能用的策略 。摘要里说得很直白，目前没有已发布的策略能在 SO-101 上开箱完成带空间约束、语言条件的任务。已有的 SO-101 基准也大多只在真机上跑，任务简单，留出物体很少。 这篇论文补的正是这个缺口...