RoboAuto 论文：多层物理理解驱动机器人自主程序搜索
DJiafei · x · 2026-11-01
针对现有 Code-as-Policy 类方法的瓶颈——机器人只靠执行反馈迭代程序、缺乏对物理世界的真实理解——研究者提出 RoboAuto 框架，在物体、场景、交互三个层面显式组织物理知识。
核心组件：
- 分层知识库：将可执行技能与物体的可供性、空间关系、动作效果等知识结合，从具身数据和在线任务中学习；
- 场景接地：把知识关联到当前环境，识别相关物体并解析动作关键量；
- 多阶段规划：自设计实验检验每阶段是否产生预期物理效果，主动测试竞争假设以消解物理不确定性。
论文称 RoboAuto 在实验中取得优于现有方法的性能。
「具身」频道最新
- mink 1.4.0 发布：新增 Elastic Constraints 约束特性 — kevin_zakka · 2026-11-01
- Naval 预言：四座无人机将终结商业航空时代 — naval · 2026-11-01
- Meta Quest 新玩法:扫描你的房间变身万圣节鬼屋 — Scobleizer · 2026-11-01
- 开发者给机器人套幽灵装，替主人万圣节看门发糖 — chrismatthieu · 2026-11-01
- GRASP 作者对比 SuperMimic：从仿真经验中榨取更多优化信息的新路子 — hankyang94 · 2026-11-01
- 哈佛发布 GRASP：物理仿真中精修人类演示，助 RL 学会笔旋与 humanoid 交互 — hankyang94 · 2026-11-01