一个 270 亿参数的开源推理模型只在仿真里接受强化学习训练、没有看过任何演示,就能直接操控真实双臂机器人,六成试验成功而基础模型一次也成功不了,在 LIBERO 上成功率从 1.6% 升至 74.4%,新任务新场景下仍有 57.4%。
正文完
一个 270 亿参数的开源推理模型只在仿真里接受强化学习训练、没有看过任何演示,就能直接操控真实双臂机器人,六成试验成功而基础模型一次也成功不了,在 LIBERO 上成功率从 1.6% 升至 74.4%,新任务新场景下仍有 57.4%。