PulseAugur
中
实时 11:27:05
English(EN) Pretraining Knows What, Simulation Teaches How: Compositional Generalization in a Sim-Trained Robot Agent

新机器人策略ZAP在无真实世界训练的情况下实现96.7%的成功率

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为Zero-real Agent Policy (ZAP) 的新机器人控制策略，该策略利用了预训练的视觉-语言模型。ZAP结合了一个27B参数的模型用于世界理解，并通过在模拟任务上的监督微调和GRPO来训练机器人运动。这种方法在没有真实世界机器人数据的情况下，在真实世界任务上取得了96.7%的成功率，其性能优于现有的MolmoAct2 VLA等模型，并在速度和成本效益方面与GPT-6 Astra相当。 AI

影响 这项研究展示了一种新颖的机器人智能体训练方法，该方法显著减少了对真实世界数据的需求，有望加速机器人技术的发展。

排序理由 研究论文，详细介绍了一种新的机器人控制方法。[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 →

新机器人策略ZAP在无真实世界训练的情况下实现96.7%的成功率

本文如何被排名

Signal score
10 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
研究论文，详细介绍了一种新的机器人控制方法。[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
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
Same-day
Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Benjamin Pikus, Daniel Saunders, Mircea Mironenco, Salman Mohammadi, Mathew Mathew, Sirou Zhu, Divya Makkar, Xuhua Huang, Qinbo Li, Supreeth Narasimhaswamy, Siyuan Cen, Thomas Neff, Dejia Xu, Shyamal Buch ·

    预训练知“什么”，模拟训练知“如何”：模拟训练的机器人智能体中的组合泛化能力

    arXiv:2610.35817v1 Announce Type: cross Abstract: A robot policy needs to understand what a task is asking for in a scene, and how to move the robot to accomplish that task. To achieve these two skills, we introduce Zero-real Agent Policy (ZAP), a recipe that teaches a small off-…

相关实体

相关话题