Sakana AI 发 SAIL 框架:不改模型权重让基础模型学新任务
SakanaAILabs · x · 2026-09-28
Sakana AI 与东京大学合作提出 "Scaling In-Context Imitation Learning"(SAIL),将在 IROS2026 上发表。核心思路是:机器人学新任务通常要采集演示并训练策略,而基础模型已从海量图文与机器人相关数据中习得知识,SAIL 尝试在不改动模型本身的前提下,通过上下文模仿学习把这部分知识直接提取出来用于机器人控制。作者提到近期演示显示 GPT-6 Astra 已能操作实体机器人,此前也有工作证明 LLM/VLM 可从少量演示生成完整机器人动作序列,但基础模型的输出并不必然构成可靠的机器人控制,SAIL 正是要解决这一鸿沟。
「具身」频道最新
- Opus 全程搞定 3D 建模到机械臂取件，看呆网友 — burny_tech · 2026-09-28
- 机器人逛夜市采数据，网友直呼太赛博朋克 — xiaosun86 · 2026-09-28
- CMU 发布 DeformX：UR5e 绳索甩打精准击落头顶苹果 — DJiafei · 2026-09-28
- Figure Helix 2.5 数据出炉，作者反思人形机器人为何要像人 — yongqianme · 2026-09-28
- Sharpa Robotics 人形机械手演示灵巧操作，可在线挑战 — jonstephens85 · 2026-09-28
- Jev 适合做机器人高层编排?快速 schema 输出或胜 LLM 延迟 — ai · 2026-09-28