9.8 万次仿真评测：机器人表现出「聪明过头」的物理推理

tomssilver · x · 2026-09-25

Princeton 的 Tom Silver 介绍新项目 AgenticGenTAMP：与团队合作者（merlerm 等）对 Astra 机器人在 28 个仿真环境中跑了 98,000 次大规模沙盒评测，预印本已发布。

他的核心观察：机器人做出预期外行为通常意味着有 bug 要修，但这个项目是他职业生涯中少数几次看到机器人做出「意外地聪明」、连项目组成员都没预料到的物理推理行为。帖中列举了多个示例（预期 vs 实际对比、2D 案例等），展示编码智能体合成的规划策略展现出的涌现式巧思。