微软研究院开源 5B 视觉-语言-动作模型 Rho,瞄准机器人快速适配新任务
chris_j_paxton · x · 2026-10-01
微软研究院的 Andrey Kolobov 宣布开源 Rho——一组 5B 参数的 VLA(视觉-语言-动作)模型,是微软 Rho-alpha VLA+ 工作的底层模型,项目页面、技术报告、代码与模型数据全部公开。
动机:机器人操作者常用的离线监督微调(SFT)太吃数据,因为它除了学任务本身还要同时做两件事——(1) 掌握机器人本体的控制,(2) 覆盖大量目标任务与环境变化。
做法:为缓解第一重负担,团队发布了在 i2rt YAM Box、Universal Robots AI Trainer、FRANKA FR3 Duo 等真机平台上做过 midtraining 的检查点,让物理 AI 更容易适配新任务和新环境。
「具身」频道最新
- 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
- LeRobot 0.7 发布:新增 YAM、reBot B601 与宇树 G1 多款机器人硬件支持 — mishig25 · 2026-11-16
- MathWorks 开源机器人资源库:机械臂、无人车、无人机示例一站式入门 — lukas_m_ziegler · 2026-11-16