NUS 提出 GAM：用 3D 指引作底座，机器人操作成功率显著领先
NationalUniversityofSingapore · hf · 2026-09-22
新加坡国立大学提出 Grounded Action Models（GAM），一种以 3D 目标定位为核心的机器人基础模型新范式。现有 VLA/世界-动作模型的预训练底座并不直接要求度量级的目标定位，只能从机器人示教中隐式学习。GAM 支持语言、点、框三种条件输入，把所选目标转成共享的对象中心表征（含目标聚焦视觉特征与度量几何），再经多流 transformer 与机器人状态历史融合预测动作块；既可自主运行，也能充当被高层规划器调用的底层控制器，支持长程与记忆依赖操作。
关键结果：
- RoboTwin 2.0：50 个任务平均成功率 55.3%（Spatial Forcing 52.0%），场景随机化下 47.6%（Abot-M0 仅 30.4%），且动作策略只用干净场景示教训练
- LIBERO-PRO：16 种扰动设置平均 61% 超越 π0.5 的 53%，目标被移动或新指定时优势最大
- 真机：双臂 YAM 在视觉扰动下保住 17/20 成功（π0.5 仅 4/20）；与 Molmo2 规划器组合在 Franka 上长程/记忆任务达 64.7% ID、49.8% OOD 步骤完成率
所属事件:GAM：以 3D grounding 为底座的机器人基础模型新范式(6 条相关)→
「具身」频道最新
- UC Berkeley 开源 RoboSimStudio：AI Agent 无需训练数据编程工业机器人 — berkeley_ai · 2026-11-12
- NXP 发布无人机统一平台：开箱 30 分钟跑通初始飞行功能 — shashib · 2026-11-12
- 90 条演示数据训练,开源双臂机器人玩拼图成功率约 60% — DanGrover · 2026-11-12
- 机器人产业三种区域打法：中国拼规模、欧洲重检测、美国搞试点 — ingliguori · 2026-11-12
- 3500 台激光 AI 潜艇机器人巡逻挪威三文鱼养殖场 — philfung · 2026-11-12
- 模型连续迭代 75 分钟自主设计出机械臂 CAD,造型独特带手术机器人风格 — _Stocko_ · 2026-11-12