NVIDIA AlphaNIST：纯二值奖励让机器人自悟装配技能，成功率 98.2%
abhishekunique7 · x · 2026-10-14
NVIDIA 研究 团队发布论文 AlphaNIST，思路承自 AlphaGo 到 AlphaZero：不给示范、不拆解任务、不用密集进度奖励，只用一个稀疏的二值成功/失败奖励加简单控制成本，让机器人从零自学装配。
- 单一策略在仿真中从零训练，覆盖 NIST Assembly Task Board #1 全部 20 项装配任务，总体成功率达 98.2%
- 无需示范、进度塑形、脚本化原语或按任务调参
- 还能在一个 episode 内连续完成 10 对不同装配，且不规定顺序，只有全部 10 对同时完成才给奖励
- 学到的策略自发涌现出灵巧抓取选择与类似规划的行为
论文地址：arxiv.org/abs/2610.13354
「具身」频道最新
- Polymarket 引数据：2026 上半年全球 97% 人形机器人出货来自中国 — Polymarket · 2026-10-14
- Physical Intelligence 开放 Pi API 测试：同一模型适配从摘草莓到装服务器的机器人 — svlevine · 2026-10-14
- 天工 Ultra 百米跑赢博尔特纪录,美媒警示美国机器人产业对华供应链困局 — mattsheehan88 · 2026-10-14
- GoDrift 晒 sim2real 实时机器人演示，点评：2D 平面降低难度 — jonstephens85 · 2026-10-14
- 微软科学总裁 Peter Lee 离职，出任梅赛德斯 F1 车队 AI 顾问 — lazowska · 2026-10-14
- NVIDIA 上传 GR00T N1.7 新 checkpoint,专攻苹果取盘任务 — nvidia · 2026-10-14