English(EN) ARC: A Reasoning Recipe for Robot Foundation Models

新的ARC方法在无需更多数据的情况下提升了机器人基础模型的性能

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-09 04:00

研究人员开发了一种名为ARC的新方法，该方法可在无需额外机器人演示或大量训练的情况下，提升机器人基础模型（RFMs）的零样本任务性能。ARC利用推理轨迹来解释机器人下一个动作背后的因果结构和原理。这些轨迹可以从现有演示中自动生成，从而能够创建像DROID的ARC-Trace-DROID这样的数据集。最先进的视觉语言代理（VLAs）和其他模型已被改编为使用这些轨迹，在RoboLab-120和MolmoSpaces等基准测试中取得了显著的性能提升，并在真实机器人上的任务成功率方面有了显著提高。 AI

影响这项研究可能导致更高效的机器人基础模型的开发，减少对大量数据收集和计算资源的需求。

排序理由该集群描述了一篇详细介绍改进AI模型新方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇详细介绍改进AI模型新方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Gokul Puthumanaillam, Tao Sun, Elie Aljalbout, Moritz Reuss, Zhaoshuo Li, Fabio Ramos, Ankit Goyal, Jenai Xuning Yang · 2026-10-09 04:00

ARC：机器人基础模型的推理配方

arXiv:2610.12386v1 Announce Type: cross Abstract: The prevailing approach to improving robot foundation models (RFMs) relies on larger models, more robot demonstrations, and costly training at scale. We show that there exists an effective and efficient complementary approach: the…

本文如何被排名

报道来源 [1]

ARC：机器人基础模型的推理配方

相关实体

相关话题