GPT-6 Astra接入宇树G1完成厨房收拾任务
刚刚,GPT-6 Astra接上宇树G1,把厨房收拾了!
AI 摘要
量子位报道,OpenAI 的 GPT-6 Astra 接入宇树 G1 人形机器人,演示由大模型直接驱动机器人本体完成厨房收拾这类长程家务任务。这是顶级通用大模型与国产人形机器人本体的公开联调展示,指向自然语言指令下的通用家务操作。报道未披露任务成功率、耗时等量化指标。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。
刚刚,GPT-6 Astra接上宇树G1,把厨房收拾了!
AI 摘要
量子位报道,OpenAI 的 GPT-6 Astra 接入宇树 G1 人形机器人,演示由大模型直接驱动机器人本体完成厨房收拾这类长程家务任务。这是顶级通用大模型与国产人形机器人本体的公开联调展示,指向自然语言指令下的通用家务操作。报道未披露任务成功率、耗时等量化指标。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。
研究者提出面向机器人智能体的后训练引擎PEAR与机器人使用强化学习(RURL),在纯仿真、无示教条件下训练开放权重27B推理模型,使其像电脑使用智能体一样观察环境、思维链推理并直接输出末端执行器位姿,无需额外封装,并验证仿真中习得的技能可迁移至真实机器人。
Yongxuan Lv 等提出 VLA-MOPD,将多个任务专用流匹配 VLA 专家整合为共享学生策略。学生采集机器人 rollout,在每个访问观测和 ODE 中间状态查询指令路由的冻结教师,以逐流步过渡目标做同策略蒸馏,缓解混合任务强化学习奖励稀疏和离线蒸馏覆盖不足,实现多任务技能保留。
Yaru Niu 等人提出跨具身自我中心学习框架 EgoX:该框架以语义对齐的观测与动作模态,统一组织人类、真机与仿真的异构演示,预训练模块化跨具身 Transformer MXT+,为每种观测模态配备独立 tokenizer,为每种动作模态配备独立专家,并共享 Transformer 主干。
Shangchao Hu 等研究者提出 PERA 方法,冻结预训练的混合专家策略,仅新增任务专家及其路由分数,用任务奖励或教师动作监督训练,从而在保留原有技能的前提下学习新全身动作。在 Unitree G1 仿真中,每个新增任务模块仅占基础策略约 1.03% 参数,成功完成全部 10 项新任务。