HumanCLAW 实测:最强 VLM 完成具身交互任务的比例仅 16.8%
jiqizhixin · x · 2026-09-13
Meta、南洋理工、华盛顿大学、布朗大学与西北大学联合提出 HumanCLAW,研究 VLM 能否真正"通过身体行动"而不只是描述所见。
框架要点:
- 将高层动作选择与底层运动控制分离,同时保留连续运动、碰撞、接触与重力物理
- 使用冻结的现成 VLM 从第一人称视角做决策,每步从参数化原子技能(前进、转身、坐下等)中选择
- 研究的是"做什么",关节如何动交给可靠底层控制器
结果:9 个前沿 VLM 在同一协议下测试,最好的模型也只完成 16.8% 的完整交互——理解世界不等于能行动于世界。项目已完全开源。
「具身」频道最新
- 插网线级别 Real2Sim2Real 保真度都极难做到 — jonstephens85 · 2026-10-31
- Genspark 推出五键 AI 硬件 VoicePad，99 美元开启预订 — Scobleizer · 2026-10-31
- 全球首个人形机器人服装智能工厂投产，量产 Annie 机器人 — CyberRobooo · 2026-10-31
- 机器人评测绕不开基准难题:Drift 主张按真实部署场景定制测试 — jonstephens85 · 2026-10-31
- Tesla We, Robot 预告成真:Cybercab 已在德州投产并载人 — XFreeze · 2026-10-31
- 被称为「AI 圈最出名也最出名翻车」的 SO-101 机器人获新平台支持 — jonstephens85 · 2026-10-31