编码智能体自动生成机器人仿真环境，前沿模型测试平均奖励仅0.06
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。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载把仿真创建交给编码智能体
机器人仿真的瓶颈不在算力，而在供给：可用的仿真只覆盖现实任务与物理现象的一小部分，而每新增一个高质量仿真都要专家投入大量精力，因此无法规模化。该工作把仿真创建重新定义成编码智能体任务，由此得到一个直接推论——编码智能体变强，仿真就会变得更丰富、更贴近真实。为了让覆盖范围有依据，团队按美国 GDP 数据挑选仿真对象，聚焦有经济价值的体力工作，并明确界定什么样的仿真算合格、什么样的任务算合格，再用一个对抗式的创建与审核循环，让每个仿真和任务都对照这些定义接受检查。
RoboWorld 的规模与难度
经由上述流水线，团队构建了 RoboWorld：25 个仿真，配套 25 个测试环境和 175 个训练强化学习环境，难度不等。难度不是主观描述，而是由实测结果体现——即便是当前最好的前沿模型，在 RoboWorld 的每一个测试任务上都未能通过，平均奖励只有 0.06。这个数字说明该基准与现有模型能力之间存在明显落差，也意味着它可作为衡量具身智能进展的标尺。
四条提升路径
在 RoboWorld 之上，团队给出若干让前沿模型变强的做法：在重复尝试之间做上下文学习；引入能读取仿真器状态的特权教师，在上下文中指导学生模型；让模型从自身的特权经验中自辅助学习；以及用代码策略在多样场景中生成演示，用于训练视觉-语言-动作模型，例如 π0.5。材料称每种方式都带来显著提升，但未给出各自的量化幅度。
开放内容与适用对象
团队公开了流水线、强化学习环境和基准，代码与数据也已放出，供后续研究使用。对做具身智能训练、强化学习环境构建或视觉-语言-动作模型的研究者而言，这套环境与基准可直接用于评测与训练；对关注编码智能体能力外溢效应的人而言，它提供了一个把智能体能力转化为训练数据的实例。
为什么值得看
仿真环境长期靠专家手工搭建，难以规模化；该工作把这一环节交给编码智能体，并给出前沿模型普遍失败的可量化基准。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。