Meta等推HumanCLAW：当前最强VLM竟不会指挥身体行动
liuziwei7 · x · 2026-08-01
由Meta、南洋理工、华盛顿大学等机构联合发布的HumanCLAW项目，旨在测试视觉语言模型（VLM）的“行动智能”（Action Intelligence）——即模型能否根据第一人称视角和高级指令，在物理执行循环中实时决定下一步动作。
研究发现，当前最先进的VLM在“行动智能”方面表现意外糟糕。HumanCLAW框架将决策与运动控制解耦，VLM负责输出原子技能决策，验证器拦截不安全指令，最后由运动生成器执行。
所属事件:Meta推HumanCLAW基准：顶级VLM缺乏身体感知(3 条相关)→
「具身」频道最新
- 自动驾驶团队演示窄路僵局：车辆学会倒车让行，并自制机械臂换挡测试 — sanjeevs_iitr · 2026-10-16
- The Verge 实测 Surface Laptop Ultra:5900 美元的 AI 未来还不够成熟 — tomwarren · 2026-10-16
- Waymo 进军多伦多，目标 2028 年正式载客运营 — CSProfKGD · 2026-10-16
- 马斯克晒 Cybertruck 悬浮飞行画面：说好的飞行汽车来了 — XFreeze · 2026-10-16
- 宇树春晚机器人表演商业化，推出 UniUni 集群编排系统 — CyberRobooo · 2026-10-16
- 斯洛伐克获批特斯拉 FSD 监督版,成欧洲第 9 个国家 — XFreeze · 2026-10-16