通用模型直接指挥机械臂:AMP1零样本在RoboLab-120达85.6%,领先VLA与WAM
机器人操作长期依赖在演示数据上训练的专用策略,如视觉-语言-动作模型(VLA)和世界-动作模型(WAM)。AMP1让通用AI模型留在控制回路中,通过代码直接指挥机械臂运动,在RoboLab-120上零样本取得85.6%成功率,而领先的VLA与WAM分别为49.2%和42.9%。在12项真实任务、3台机器人实例的108次试验中,它成功104次,且未使用演示或任务专用训练。
机器人操作长期依赖在演示数据上训练的专用策略,如视觉-语言-动作模型(VLA)和世界-动作模型(WAM)。AMP1让通用AI模型留在控制回路中,通过代码直接指挥机械臂运动,在RoboLab-120上零样本取得85.6%成功率,而领先的VLA与WAM分别为49.2%和42.9%。在12项真实任务、3台机器人实例的108次试验中,它成功104次,且未使用演示或任务专用训练。
TinyAstral把机器人操作智能体的改进重心放在模型之外的外壳上:先冻结一个开源教师模型,用前沿大模型智能体读取其轨迹、提出外壳修改,并只接受通过配对统计检验的改动,使教师在RoboTwin上的严格成功率从33.4%升到63.6%;再冻结最终外壳,把教师的推理与故障恢复轨迹蒸馏进4B学生,学生在同一外壳中达到62.8%,并在四个外壳版本上各自接近对应教师。
Gamma把机器人长时记忆从像素改成可核查的文本行,在固定执行策略下把RoboMME十六项记忆任务的平均成功率从44.5%提到66.0%,并在三项任务上追平特权子目标上限。
生成式机器人策略在异步重规划时不再每次从独立高斯噪声重新起步,而是让相邻动作块的初始噪声按实际执行位移对齐并沿动作时间相关,真机叠衣成功率96.7%、物体收纳90.0%。
机器人策略要在仿真里练、再搬到真实物体上,前提是仿真资产与实物几何一致。USDCraft 让预训练大模型把源网格转成带尺寸的文字描述,写出可执行资产程序,再按同一表示反复比对修正,无需针对任务训练。在 USDCraft-bench 上,其部件匹配 F1 达 84.83%,关节轴角误差 6.833 度;在 Lightwheel 上部件匹配与关节位置误差领先,但整体 Chamfer 距离不及直接分割网格的方法。
FOCUS 是一个单阶段 PPO 框架,让 critic 始终使用特权状态、actor 在特权状态与 RGB-D 潜变量之间按跨模态动作分布 KL 散度自适应切换 rollout 来源,并配合表征对齐;在五个 IsaacLab 操作任务上,相对各任务最强的 RGB-D 测试基线,平均测试成功率从 0.71 提升到 0.93,端到端预算归一化训练成功率 AUC 从 0.47 提升到 0.65。
OpenRUA 提出一种零抽象 harness:只给现成编码智能体(Claude Code 驱动 Claude Opus 5)提供机器人原生软件接口 ROS 2 的终端访问、ROS 2 文档与基本工具,不预设专用工作流或定制接口,把感知重述为文件 I/O、把操作重述为编码,从而在 CaP-Bench 上取得 99.0%、在 LIBERO-PRO 上取得 87.0% 的成功率,表明现成编码智能体无需专用原语或任务特定训练即可充当零样本视觉运动策略。
PatternDex 从人–物演示中学习一种与手部形态无关的“交互模式”令牌序列,再结合目标机器人手描述解码出适配该手的腕部运动与接触点,并用其引导强化学习策略;在 ARCTIC 数据集的 6 个未见演示上,Allegro 手平均成功率达 92.8%(基线 ObjDex 为 52.2%),冻结模式编码器仅微调后迁移到 Shadow、Paxini、XHand 三种手仍分别达 84.0%、73.5%、71.6%,并在真实微波炉开门任务中 10 次试验成功 7 次。
Vela 是一个在轨迹空间预训练的视觉-语言-动作基础模型,用固定数量的三次 B 样条控制点加一个随运动自适应的时间跨度来表示未来动作,在约两万小时公开加约两万小时私有机器人数据上预训练后,于 LIBERO-X 取得 45.3% 平均成功率、EBench 取得 49.7% 总体成功率与 66 分任务进度分,并在轮式双臂机器人煎蛋任务上取得 67.5% 子任务平均成功率。
SWAP 把机器人策略路由建模为离线强化学习问题,用 IQL 训练一个路由 critic,在每个动作块之后根据当前观测从多个预训练 VLA 策略中选出预期长期回报最高者;在真实 DROID 桌面操作上,成功率从最佳单一策略的 63.3% 提升到 96.7%,成功轨迹的平均动作步数从 269 降到 193(减少 28.3%),并在 LIBERO 与 LIBERO-Plus 仿真中优于固定策略与随机路由。