RAX：靠扩展探索而非示教，机器人零遥操作学会精细操作

du_yilun · x · 2026-10-17

团队发布 RAX，一个通过规模化在线探索来学习的 agentic 机器人系统，回应机器人领域长期依赖示教数据和模型规模的问题。一个编码 agent 直接连接机器人的感知与控制 API，从环境反馈中学习并构建能感知、规划、执行的程序；模型本身保持冻结，随着探索规模扩大，agent 持续改进程序并积累可复用技能。成果：真实机器人上零遥操作、零动作示教，即完成 0.1mm 间隙插拔、空气炸锅操作、可形变物体操纵和长时程移动全身控制；在 RoboDojo、BEHAVIOR-1K、HumanoidArena、DexJoCo 双臂任务、LIBERO-Pro 五个仿真基准上，平均超过领先的已学习策略 37 个百分点。