研究人员开发了一种方法,通过完全在模拟中使用强化学习来训练开放权重推理模型,以控制真实机器人。这种方法被称为机器人使用强化学习(RURL),它模仿了 GPT-6 Astra 和 Claude Fable 5.2 等专有模型获取计算机使用能力的方式。训练好的模型在现实世界的机器人任务中表现出很高的成功率,优于在演示数据上微调的模型,并保留了通用推理能力。 AI
影响 这项研究可能为现实世界的机器人应用提供更强大、更易于访问的开放权重模型。
排序理由 该项目是一篇研究论文,详细介绍了一种新的 AI 模型训练方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →