Apple 论文:通用模型 AMP1 零样本操控机械臂,成功率 85.6% 远超 VLA 的 49.2%
rohanpaul_ai · x · 2026-11-10
Apple 团队(含 Vladlen Koltun)发布论文《On Agentic Manipulation Policies》,系统研究让通用前沿模型直接指挥机械臂的 agentic 操控策略(AMP),结论是其可靠性超过在演示数据上训练的专用策略。
核心结果:
- AMP1 参考框架同一套代码即可运行单臂、双臂与移动操控,无需任何演示或任务训练。
- 在 RoboLab-120 基准上零样本成功率 85.6%,领先 VLA(49.2%)与 WAM(42.9%)。
- 108 次真实世界试验(12 项任务、3 台机器人)中零样本成功 104 次,失败率相对强 VLA/WAM 基线分别降低 20 倍与 15 倍。
- 框架不内置抓取、推、放置等技能,Agent 自行发展出搜索隐藏物体、把物体当工具用、校准摄像头等策略。
- 加入跨回合持久记忆后,Agent 能从经验中学习,进一步降低 RoboDojo 失败率。
所属事件:苹果 AMP 让通用大模型零样本操控机械臂，成功率远超专用 VLA(2 条相关)→
「具身」频道最新
- ODE Policy 用神经 ODE 学动作动力学,跨任务生成机器人轨迹 — ntumars · 2026-11-10
- 上交大 AutoLab 发布 A²-MEAS:校正代码驱动的具身多智能体框架 — AutoLab-SJTU · 2026-11-10
- 机器人打鼓？不，机器人本身就是鼓 — carlosdponx · 2026-11-10
- 篡改画面文字即可诱导前沿模型执行危险动作，研究结果将登 CoRL — gabriberton · 2026-11-10
- 0.09B 小模型在 LIBERO 拿 97.6%，超 π0 与 OpenVLA，作者质疑操作基准区分度 — anand_bhattad · 2026-11-10
- NVIDIA 实测 GPT-6 Astra 当机器人策略:Agentic 方案达 74.8% — ZeeshanZiaML · 2026-11-10