团队花 $5K 实测六大模型跑 LIBERO-10，最好成绩仅 44%
YuXiang_IRVL · x · 2026-10-22
一个机器人研究团队自费约 5000 美元，在 LIBERO-10 机器人操作基准上系统评测了 GPT（Astra/Sol/Luna）、Claude Opus 和 Gemini 系列共 6 个前沿模型，并公开全部基线供社区复用。
- 全部零样本运行，无任务特定训练，由 LLM 直接预测末端执行器位姿
- 每个模型测 3 个推理档位，共 18 种配置、1800 个 episode
- 最佳成功率仅 44%；更高推理通常有帮助，但各模型成本差异显著
- 作者给出了成功率 vs API 成本的对比分析
结论：演示视频里令人惊艳的机器人操作能力，在标准化基准上仍有很大差距，LLM 的「推理+行动」能力被高估。
「具身」频道最新
- FLUX-mimic 自主机器人在 GTC 连续运行两天，号称「黄金时段也扛得住」 — robrombach · 2026-10-23
- 给 Vega-1 机器人前臂装上 OpenTac 触觉皮肤，可感知推力并顺从让位 — anand_bhattad · 2026-10-23
- Google 升级 Coral NPU:开放架构+编译器让小设备本地跑 AI 不耗电 — GoogleAI · 2026-10-23
- Maxinsights 获 3000 万美元种子轮，已囤 200 万小时家务机器人数据 — CyberRobooo · 2026-10-23
- CoreWeave 推出 Physical AI Launchables：一条命令跑 Isaac Sim 等机器人工作负载 — wandb · 2026-10-23
- iPhone Duo 实拍现 HDR 伪影，高光边缘似复古光晕滤镜 — flngr · 2026-10-22