伯克利 FlipAnything 让机器人用 LLM 自学复杂动作

UC Berkeley 在 CoRL 2026 Late-Breaking Results 上发表的 FlipAnything(Shuangyu Xie、Kaiyuan Chen、Ken Goldberg)提出不依赖人类示教的新路径:由编码 Agent 通过 LLM 生成代码自学双臂机器人翻面等复杂策略,成功率从 24.7% 提升至 95%。网友拆解其机制,认为回路大致是模型看图像、调用 IK 解算器输出末端位姿,本质是把机械臂当作工具调用,其泛化能力引发讨论。

2026-11-10 ~ 2026-11-10 · 3 条相关

• CoRL 新研究 FlipAnything：机器人靠 LLM 生成代码自学复杂动作 — berkeley_ai · 2026-11-10
• 用 LLM 通用 Agent 直接驱动双臂机器人:机制拆解与泛化讨论 — k7agar · 2026-11-10
• 伯克利 Flip Anything:编码 Agent 自学翻面策略,成功率 24.7%→95% — k7agar · 2026-11-10