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
- 扑翼无人机在空军测试中被探测系统误判为鸟 — import_jmr · 2026-11-16
- Uber 在拉斯维加斯上线 Amazon 旗下 Zoox 无人驾驶出租车服务 — Polymarket · 2026-11-16
- 蚂蚁灵波具身大模型挑战赛收官:TARS战队48小时真机对决夺冠 — 新智元 · 2026-11-16
- 特斯拉 FSD 城市街道里程破 70 亿英里,四周新增约 5 亿 — XFreeze · 2026-11-16
- Ropedia 发布 Xperience 2:1500+ 真实场景扫描配第一人称演示 — liuziwei7 · 2026-11-16
- 杭州群核联合华测发布 3D 激光扫描仪 Aholo MS07 — teortaxesTex · 2026-11-16