RoboMME 登顶：全量视觉历史塞进上下文，Astra 92.1% 超人类基线
hankyang94 · x · 2026-10-17
Hank Yang 团队用 Astra 在大规模记忆依赖机器人操作基准 RoboMME 上拿到第一，成功率 92.1%，超过人类基线（90.5%）和所有已列方法。
方法出奇简单：不做任何 RoboMME 专项训练，只把采样的完整视觉历史保留在上下文中，让 Astra 直接生成每个 waypoint 和夹爪指令。这暗示机器人记忆问题在强模型面前可能「比想象中简单」——上下文本身就能充当记忆。
RoboMME 覆盖 16 个任务、800 个测试回合、28 个被评测模型，按时间记忆（计数）、空间记忆（永久性）、物体记忆（指代）、程序记忆（模仿）四个维度评测。
所属事件:GPT-6-Astra 直接当机器人策略,RoboMME 登顶超人类基线(2 条相关)→
「具身」频道最新
- 软银据称洽购美国最大安保公司 Allied，估值或达 180 亿美元 — SuB8u · 2026-10-17
- 单视频 3D 重建进 Blender,生成式仿真工业安全场景 — RexDouglass · 2026-10-17
- MIT 新作 Contact-UAN:6.5 分钟数据让人形机器人落地更稳 — kevin_zakka · 2026-10-17
- 手持 Livox MID-360 在 ROS 2 实现地图定位,室外跑通约 390 米 — rsasaki0109 · 2026-10-17
- 全盲开发者用 Claude 打造 AccessSlice,让盲人独立使用 3D 打印机 — Mrblindguardian · 2026-10-17
- ROS 开源机器人周报:ROSCon 中国站与英国站相继启动 — kscottz · 2026-10-17