ZAP：仅靠仿真训练的小模型机器人策略在真实任务达 96.7%

10月27日周二 01:44论文AI 评分 82/100arXiv cs.AI

AI 聚合

本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。

论文提出 Zero-real Agent Policy（ZAP），用一个现成的 27B 参数视觉语言模型，通过简单工具接口控制机器人。训练分两步：先用预训练模型建立对场景与任务的理解和推理，再用监督微调与 GRPO 在简单仿真任务上教它如何移动机器人。整个训练过程不使用任何真实机器人数据，ZAP 在真实任务上成功率 96.7%，在同一套工具接口下与 GPT-6 Astra 持平，高于 MolmoAct2 VLA 的 33.3%，运行速度快 3 倍、成本低 17 倍。它还能处理训练中未出现的物体、目标、策略与语言指令，例如把试管放入架中并按要求换孔、双臂空中交接试管、在井字棋盘上画 X、下棋，并可迁移到未见过的单臂 Franka 本体，在 RoboLab-120 上达到 55.9%，领先最强 VLA/WAM 基线 4.9 个百分点。

全文梳理

AI 摘要依据下方信源原文自动整理，非原文转载

方法：预训练加仿真微调

ZAP 把机器人策略拆成两件事：看懂场景里任务要什么，以及怎么让机器人动起来。作者的做法是直接取一个现成的 27B 参数视觉语言模型，用一套简单的工具接口把它接到机器人上，让模型通过调用工具来控制机器人。第一阶段依靠预训练模型已有的世界理解与推理能力，解决“任务是什么”的问题；第二阶段用监督微调和 GRPO，在简单的仿真任务上训练它“怎么动”。整个流程不采集真实机器人数据，训练信号全部来自仿真环境。

结果：真实任务与基线对比

在真实世界任务上，ZAP 的成功率为 96.7%，在同一套工具接口下与 GPT-6 Astra 持平。与专门的视觉语言动作模型 MolmoAct2 VLA 相比，后者成功率为 33.3%。除成功率外，作者还给出效率对比：ZAP 的运行速度是 GPT-6 Astra 的 3 倍，成本为其十七分之一。这些数字说明，小参数量的现成模型配合仿真训练，可以在该任务设定下达到与大型闭源模型相当的表现。

泛化：新目标与新本体

作者用几类训练数据里没有出现过的任务检验泛化：把试管放进架子，并在被要求时换一个孔位；双臂在空中交接试管；在井字棋盘上画 X；以及下棋。这些目标与操作类型都不在训练数据中，ZAP 仍能完成。除任务泛化外，作者还测试了本体迁移：换到未见过的单臂 Franka 上，ZAP 在 RoboLab-120 上取得 55.9% 的成绩，比表现最好的 VLA/WAM 基线高 4.9 个百分点，说明该方法不局限于训练时使用的机器人形态。

为什么值得看

不采集真实机器人数据也能获得高成功率，并给出与闭源大模型和 VLA 基线的直接对比，对做机器人策略与仿真训练的人有参考…

GPT微调论文

信源1 家

[1]arXiv cs.AI一手信源Pretraining Knows What, Simulation Teaches How: Compositional Generalization in a Sim-Trained Robot Agent

关键事实

ZAP 使用预训练的 27B 参数视觉语言模型，经监督微调和 GRPO 在仿真任务上训练[1]
训练全程不使用真实机器人数据，真实任务成功率 96.7%[1]
同一工具接口下与 GPT-6 Astra 持平，高于 MolmoAct2 VLA 的 33.3%，速度快 3 倍、成本低 17 倍[1]
可完成试管入架换孔、双臂空中交接试管、井字棋画 X、下棋等训练数据中未出现的目标[1]
迁移到单臂 Franka 后在 RoboLab-120 上达 55.9%，领先最强 VLA/WAM 基线 4.9 个百分点[1]

ZAP：仅靠仿真训练的小模型机器人策略在真实任务达 96.7%

全文梳理

方法：预训练加仿真微调

结果：真实任务与基线对比

泛化：新目标与新本体

为什么值得看

信源1 家

关键事实

相关 · 论文

OpenAI 自 GPT-5.6 起部署激活分类器监控模型输出

OpenAI 推出 LifeVal 基准，衡量 AI 完成日常事务的能力

清华姚期智团队提出代数世界模型AWM，ARC-AGI-3全关卡通关

新芯航途发布X7 Ultra芯片，700TOPS，用Momenta世界模型做评测