机器人智能放哪？同一模型做对比:agentic 控制 18/20 完胜代码策略 6/20
paigeinsf · x · 2026-09-24
SE3 Labs 用同一模型（OpenAI GPT6-Astra）、同一台双臂 YAM 机器人和同一个 LEGO 抓放任务，在真实远程评测栈上对比了两种「智能放法」：
- Code-as-policy：让 Astra 先写好 Python 策略并冻结，运行时不再调用模型——20 次只完成 6 次放置
- Agentic control：每回合让 Astra 读相机快照、通过控制框架实时下达指令——20 次完成 18 次
关键差异不在抓取而在恢复能力：代码策略 14/20 能举起砖块却只有 6 次完成放置，失败时不会二次尝试；agentic 控制有 9 次完成需要多次抓取重试，其中一次从掉落中恢复并最终放置成功。代价是速度：成功回合中位释放时间 agentic 175 秒 vs 代码策略 131 秒，且 agentic 有最长 600 秒恢复时间（代码策略 180 秒）——时间差不只是模型推理开销。实验定义了 0–100 进度分和 100 分质量分（抓取 30/搬运 30/放置 40），由人工现场逐回合打分。完整报告与 40 段视频已公开。
「具身」频道最新
- CoRL 热议「agent 太慢」，研究者拆解出三种截然不同的批评 — tomssilver · 2026-11-11
- CoRL 热议「agent 太慢」，研究者拆解出三种截然不同的批评 — tomssilver · 2026-11-11
- CoRL 热议「agent 太慢」，研究者拆解出三种截然不同的批评 — tomssilver · 2026-11-11
- CoRL 热议「agent 太慢」，研究者拆解出三种截然不同的批评 — tomssilver · 2026-11-11
- CoRL 热议「agent 太慢」，研究者拆解出三种截然不同的批评 — tomssilver · 2026-11-11
- NVIDIA 发布开源 GR00T 2：真实灵巧手全自动完成化学实验 — EricBuess · 2026-11-11