Today for AI
返回热点榜
agent热度 6.1°

AI 聚簇研判事件 · 2026/10/11

商汤 SenseNova-RoboRSI：冻结 GPT-6 权重仅靠多目标预测与子代理架构将机器人任务成功率提升至 50.83%

1 篇报道存证1 家独立信源交叉印证持续跟踪至 2026/10/11 03:49:44
全景综述与最新动态
1 家信源交叉印证

商汤团队提出 SenseNova-RoboRSI 框架，在保持 GPT-6 Astra 模型权重不变的前提下，通过引入多点末端执行器（EEF）预测、规划与反馈子代理以及递归自我改进循环，显著提升了具身智能体的执行效率。该方案在 RoboDojo 基准测试中取得 56.83 的平均分（基线为 28.97），任务成功率达 50.83%，并在 LIBERO-PRO 和 RoboCasa 上表现优异，证明了系统架构优化而非单纯依赖更大模型即可增强机器人能力。

最新动向/商汤团队提出 SenseNova-RoboRSI 框架，在保持 GPT-6 Astra 模型权重不变的前提下，通过引入多点末端执行器（EEF）预测、规划与反馈子代理以及递归自我改进循环，显著提升了具身智能体的执行效率。该方案在 RoboDojo 基准测试中取得 56.83 的平均分（基线为 28.97），任务成功率达 50.83%，并在 LIBERO-PRO 和 RoboCasa 上表现优异，证明了系统架构优化而非单纯依赖更大模型即可增强机器人能力。

热度曲线逐小时热度走势

38 个完整观测小时
当前
6.1
峰值
14.704:00
近 24h 变化
-44%

曲线只比较全程持续完整观测的同一批信源；缺口小时数据已插值平滑，保持趋势连续。

TIMELINE报道时间线

共 1 篇 · 最新优先
  1. Rohan Paul (@rohanpaul_ai)T2·78 分
    • 在不改变 GPT-6 Astra 模型权重的情况下，通过系统架构优化将 RoboDojo 平均分从 28.97 提升至 56.83。
    • 核心创新在于多点末端执行器（EEF）预测策略，单次生成短序列动作目标以增强运动连续性并减少模型调用次数。
    • 结合规划与反馈子代理及递归自我改进（RSI）循环，实现了从执行结果到未来代理框架优化的闭环迭代。