ARC 推理配方:不加新数据让 π0.5 零样本最高提升 50 个百分点
imankitgoyal · x · 2026-10-09
研究者提出 ARC,一套面向机器人基础模型(RFM)的推理配方,在不收集任何新机器人数据、不做基础规模训练的前提下,让 π0.5 和 Cosmos3-Nano-Policy 在零样本任务上大幅提升:RoboLab-Reasoning-50 最高 +50.0 个百分点、RoboLab-120 +29.8、MolmoSpaces +27.2,并刷新两项 SOTA。
配方包含三个要素:
- 推理轨迹:应锚定机器人的下一步动作,并解释其因果结构——为什么这个动作合适、会产生什么效果
- 可扩展的自动标注管线:可从现有演示(如 DROID 数据集)自动生成推理轨迹,构建出 ARC-Trace-DROID
- 针对各模型架构定制的微调与推理策略,让 VLA/WAM 学会用轨迹做控制
论文指出,当前业界靠更大模型、更多演示、更贵训练的「暴力」路线,存在一个高效互补解:正确的推理配方。
所属事件:Nvidia 发布 ARC：无需新数据即可大幅提升机器人推理能力(3 条相关)→
「具身」频道最新
- 给注意力加物理偏置:软线仿真预测误差降 15% 以上 — Avihai Giuili · 2026-10-10
- Wayve AI Driver 上车玛莎拉蒂，四周内完成集成到都灵实测 — alexgkendall · 2026-10-10
- IROS 2026 最佳论文:5 小时人类动作数据教会宇树 G1 打网球对拉 — qinzytech · 2026-10-10
- Tesla 官宣 Robotaxi「闸门正在打开」，前 OpenAI 研究员看好规模指数增长 — julianibarz · 2026-10-10
- 自适应采样强化学习：纯 RL 训出超越以往的运动控制策略 — jeffclune · 2026-10-10
- 隐身六年后 Atomic Machines 发布 Matter Compiler:代码直接造微型机器 — Merzmensch · 2026-10-10