RAX 用冻结 LLM 驱动机器人：纯探索零示范，成本仅 Opus 的 1/20
du_yilun · x · 2026-10-22
Yilun Du 等人发布 RAX（Robot-Agent-Exploration），一个通过规模化在线探索学习机器人 agent 的系统：冻结的编码 agent 直接连接机器人感知与控制 API，从反馈中学习并构建能感知、规划、执行的程序，探索成果沉淀为可复用技能库。关键结果：
- 真实机器人上零遥操作、零动作示范：完成 0.1mm 间隙插拔、空气炸锅操作、可形变物体与长时程全身移动控制
- 探索编译为代码：空气炸锅任务提速 241 倍（agent 72 分钟 vs 自动化程序 18 秒），Bandu 塔提速 103 倍
- 现已支持 DeepSeek Harness 与 Kimi Code，可直接接自托管 DeepSeek-V4.1-Flash 本地推理
- DexJoCo 基准上 RAX+DeepSeek-V4.1-Flash 仅用 3 条示范即超过 π0.5 与 Fast-WAM 10% 以上；API 成本约为 Claude Opus 5.5 的 1/20（输出价 $0.60-1.20 vs $20/百万 token）
论文、代码、技能库及含全部会话日志与录像的数据集均已开源。
所属事件:RAX 用冻结 LLM 探索驱动机器人，成本仅 1/20(3 条相关)→
「具身」频道最新
- 马斯克：Austin Cybercab 车队一个月内扩张 10 倍 — XFreeze · 2026-10-22
- CMU 论文提出求解器充分符号化，降低机器人混合规划成本 — Yiyuan Pan · 2026-10-22
- XDOF 具身基准：四大 LLM Agent 总分最高仅 19% — mihdalal · 2026-10-22
- CoRL 2026 前夜:Samsung Next 携 NVIDIA、CoreWeave 办机器人创业者之夜 — wandb · 2026-10-22
- Generalist AI 展示 GEN-1.5 机器人自主码放 12 个冰球 — mihdalal · 2026-10-22
- NVIDIA 发布 Cosmos 交互式世界模拟，实时流式服务机器人训练 — CSProfKGD · 2026-10-22