机心卷 · 世界补丁日志

Pretraining Knows What, Simulation Teaches How: Compositional Generalization in a Sim-Trained Robot Agent

2026-10-26 AI 辅助 · 人工审校 编号 cand-47efddb8a52c

1. 一句话总结 ZAP将机器人能力拆成“预训练模型负责理解任务与推理、仿真训练负责动作执行”,使一个27B视觉语言模型在不使用真实机器人训练数据的情况下,零样本迁移到真实机器人…

标题

机器人不靠真机动作训练,也能照指令做事

正文

🤖 想象一下:你对机械臂说“把红色方块放到托盘里”,它不是临场模仿人手,而是先把任务拆成物体、目标和动作,再调用准备好的抓取与移动工具。这套方法叫ZAP。

🧠 它的巧处,是把能力拆成两半:27B参数的预训练视觉语言模型负责“知道要做什么”,也就是理解画面、物体和指令;仿真训练负责“怎么做”,让机械臂练习抓取、搬运和双手配合。一个像会读需求的项目经理,一个像低成本练习场。

🛠️ 更值得关注的是,它在动作训练阶段不使用真实机器人数据,却能把技能迁移到新物体、新目标、新动作,甚至不同机械臂。论文报告的真机任务成功率为96.7%,但单臂Franka在RoboLab-120上的成功率为55.9%,说明复杂任务还没有稳定到可以完全无人值守。

🏠 对普通人来说,这意味着以后做机器人应用,未必先花大价钱采集海量真机动作;开发者可以先在仿真里练熟,再接上不同机械臂验证。核心收获不是新模型架构,而是一套更省成本的训练配方。家里整理桌面、递送物品会更现实,不过27B模型仍需要较强算力,触觉、多传感器和异常恢复也待验证。

💬 如果机器人只能先学会一项日常任务,你会先让它整理桌面,还是帮你拿东西?

标签

#具身智能 #机器人 #人工智能 #仿真训练 #视觉语言模型 #零样本迁移 #机器人学习 #仿真到现实 #科技趋势 #AI论文

原文来源

边界声明 · 这项研究不能证明什么

本文为一手来源的中文编辑导读,结论的适用范围与证据强度以来源原文为准;不构成医疗、投资或其他决策建议。

AIGC 内容说明

本文由 AI 辅助起草,经今山海编辑部人工核对事实、来源与边界后发布。修订与更正将在本页留痕。