Rohan Paul (@rohanpaul_ai)T2·智能体与协同
78 分
斯坦福大学发布新研究 RoboArchitect,利用大语言模型作为“架构师”自动诊断机器人执行失败并重写控制代码。该方法无需更新模型权重或人工编写特定代码,在未见场景和任务中将成功率分别提升至 43.3% 和 40.2%,且平均运行成本低于 150 美元。
Zero-shot Generalization
模型在未见过的新场景或任务中直接执行的能力
斯坦福大学发布新研究 RoboArchitect,利用大语言模型作为“架构师”自动诊断机器人执行失败并重写控制代码。该方法无需更新模型权重或人工编写特定代码,在未见场景和任务中将成功率分别提升至 43.3% 和 40.2%,且平均运行成本低于 150 美元。
北京具身智能公司自然意志发布 50B 参数混合专家(MoE)模型 Natura-1,该模型在 100 万小时第一人称视角人类经验数据上完成预训练。Natura-1 以语言和视觉为输入,能在 100 毫秒控制回路内驱动 20 自由度灵巧手,成功演示了包馄饨等复杂柔性物体操作,并重点验证了在未见任务上的零样本泛化能力。
文章指出尽管特斯拉 Optimus 等人形机器人在视频演示中展现了令人惊叹的平衡与操作能力,但其实际部署仍面临巨大挑战。核心观点认为当前 AI 技术尚未跨越从“实验室演示”到“真实世界自主导航”的鸿沟,短期内难以实质性改变人类生活方式。
何恺明团队发表新作,声称模型可通过观看“猫片”视频数据学会解决 ARC(抽象与推理)挑战。该研究暗示了视觉预训练对符号推理能力的潜在迁移价值,但具体机制与性能指标未在标题中披露。
阿里通义千问团队推出 Qwen-RobotNav,基于 Qwen3-VL 构建的规模化通用导航模型。该模型通过参数化接口统一管理视觉上下文,在单一权重下同时达成 VLN、目标搜索、跟踪、自动驾驶及具身问答(EQA)五大领域的 SOTA,并支持无需重训即可适配任意推理配置的智能体系统部署。