CMU 论文:单个 Computer-Use Agent 横扫 ECCV 四项具身赛事获前三
wellecks · x · 2026-11-07
CMU 的 Pranjal Aggarwal 与 Sean Welleck 发布立场论文《Computer-Use Agents Are Embodied Generalists》。今年 8 月,他们用同一个 computer-use agent 参加 ECCV workshop 的 4 项具身智能竞赛,分获第 1、2、3、6 名——不改 agent 本身,只为每项赛事搭建了把基准任务渲染成 GUI 的简单软件(如用键盘在网页渲染的 3D 房间里导航)。
核心主张:具身任务可以被表述为与数字软件的交互——把物理环境渲染到屏幕上并提供键鼠控制,CUA 就能用操作普通软件同样的截图与点击技能(视觉定位、精确点击、探索)完成具身任务。这说明 CUA 在软件上学到的能力已可迁移到具身领域,其适用范围远超此前认知。
作者进一步主张:借鉴让 computer-use 通用化的训练策略,具身智能同样可以收敛到单一通用模型,并回应了「软件是否做了大部分工作」「VLA 是否会存在」等常见质疑。
「具身」频道最新
- MIT 与斯坦福推出机器人自主教材，融合经典机器人学与 AI 且免费在线 — GioeleZardini · 2026-11-07
- RoboColosseum 向学术论文作者提供 1 万小时免费机器人真实评测支持 — DJiafei · 2026-11-07
- HF 机器人数据集近10万个增48%，Reachy mini 年内售出超5万台 — DJiafei · 2026-11-07
- 浏览器里无限生成的机器人工厂：Wave Function Collapse + OpenUSD 流式渲染 — mishig25 · 2026-11-07
- 与机器人猜拳、身旁停着飞行汽车：博主感慨未来已来 — beffjezos · 2026-11-07
- Darwin Robotics 获 360 万美元种子前融资,造数据中心机器人技工 — ycombinator · 2026-11-07