Anthropic 测试 Claude 机器人控制：LLM 监督反降效，直接驱动多失败
DJiafei · x · 2026-07-30
Anthropic 发布了关于 Claude 等大语言模型在机器人任务中表现的研究。测试涵盖了从经典控制玩具、四足机器狗、人形机器人到机械臂等多种实体，并测试了从直接控制电机扭矩到编写控制代码、强化学习，再到为预训练策略提供高级指令等多种控制方式。
核心发现：
- 模型的能力高度依赖于其与机器人的连接和控制方式。
- 当模型试图直接驱动关节时，大多以失败告终。
- 当模型作为预训练控制器的“监督者”或使用简单的方向工具时，能够完成实际的导航和操作任务。
此外，测试中出现了一个反直觉现象：在熟悉任务上，LLM 监督反而会损害预训练 VLA 模型的性能（单独的 VLA 表现优于所有 LLM+VLA 组合）；但在 VLA 无法单独解决的新任务中，优秀的模型介入则能带来实质性的性能提升。
「具身」频道最新
- Anbernic掌机与Rabbit R1合体：复古AI设备混搭 — SimonBalmain · 2026-07-30
- 实测 Codex Agent 自主拆解硬件设计与对接供应链 — mattfreed · 2026-07-30
- OpenAI总裁证实：正打造AI硬件设备家族 — The Verge AI · 2026-07-30
- Axol Mobile 机器人实验室版曝光：全向移动与伸缩升降臂 — chris_j_paxton · 2026-07-30
- MicroFactory 发币融资，推进电子组装自动化机器人 — ihorbeaver · 2026-07-30
- 8美元微控制器实现零延迟自动瞄准，极客想把强激光装上割草机 — LinusEkenstam · 2026-07-30