RAX 刷新 RoboDojo 与 BEHAVIOR-1K：78.3% 对 24.9%，倒水任务从全员 0 分到满分
du_yilun · x · 2026-10-17
杜一伦团队展示 RAX 通过扩展探索在两个基准上的大幅领先：RoboDojo 上达到 78.3%，比此前 SOTA 的 24.9% 高出 53.4 个百分点；BEHAVIOR-1K 长时程家务任务上 46.5% 对 8.2%，领先 38.3 个百分点。
任务级数据：插充电器从 26% 提升到 94%（探索轮次 4→8）；换积木从 34% 到 100%（4→16 轮）；按语言指令倒水，此前所有策略基线均为 0%，RAX 达到 100%；装车任务 100% 对此前最佳的 20%，其程序融合了感知、导航、物体操作与进度跟踪。
作者引用的上下文解释了单 agent 控制不同机体的方式：agent 在关节目标、末端位姿、躯干-手臂协同或全身参考等不同控制接口上工作，底层控制器负责高频跟踪，agent 在其上开发感知、规划与控制逻辑。
所属事件:RAX：零示教靠扩展探索，机器人学会精细操作(6 条相关)→
「具身」频道最新
- AGI House×Google Gemma 硬件黑客松:LiteRT 赛道单项奖金1.5万美元 — agihouse_org · 2026-10-17
- iPhone Duo 预订瞬间售罄,新订单排到 2027 年 1 月 — mitchdeg · 2026-10-17
- P-BFM:仅凭平地参考让 Unitree G1 自适应复杂地形 — ChongZzZhang · 2026-10-17
- 研究者构建生成式机器视觉管线：单目视频重建场景静态与动态元素 — RexDouglass · 2026-10-17
- Starkey 发布 Omega AI+ 助听器：Quad DNN 架构与睡眠追踪 — BrandonSawalich · 2026-10-17
- RAX 全量开源：零演示数据，连失败实验都放出来了 — du_yilun · 2026-10-17