Attacca:让具身智能体在 Minecraft 长程任务上完成率提升至 7 倍
nanyang-technological-university-singapore · hf · 2026-10-07
南洋理工大学提出 Attacca,解决长程具身任务中状态连续性的核心问题：每个任务都从上一任务遗留的状态开始,目标可能不在当前视野内,现有视觉目标条件策略难以衔接。
- 方法：在完整的「搜索-接近-交互」轨迹上训练视觉目标条件策略;采用上下文解耦的目标采样,为每条演示配一张来自另一世界的类兼容掩码目标图,去除场景与位姿的直接对应;通过目标掩码预测头学习当前视野内的密集定位;引入行为阶段条件化,让策略区分搜索、接近、交互三阶段并动态调整控制。
- 结果：在 Minecraft 多项短/长程任务上,干净成功率达 39.0–47.5%,较最强基线提升 1.7–2.4 倍;长程任务完成率 54%/30%/28%,最高提升 7 倍。
「具身」频道最新
- 印度创业者做离线 AI 硬件:不用 App 也能听、记、看 — alysha_lobo · 2026-10-07
- Generalist 机器人底盘模型复现拆装液压杆 O 型圈,秒级示教学新任务 — 141_1337 · 2026-10-07
- YC 新公司 Vexo 推常听 AI 手环：免重复交代上下文直接干活 — ycombinator · 2026-10-07
- LeCun 团队发布 H-JEPA：分层世界模型视觉规划成功率 18%→73% — ylecun · 2026-10-07
- DiVeR:只在决策关键状态训练验证器,提升 VLA 测试时扩展 — SharonYixuanLi · 2026-10-07
- 百万英里老司机参观 Tesla Semi 工厂:这个行业将被改变 — elonmusk · 2026-10-07