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 · hf · 2026-11-10
上海交通大学 AutoLab 与 Anyverse Dynamics 发布论文 Toward the Era of Agentic Embodied Intelligence，提出具身多智能体框架 A²-MEAS，核心是「校正代码作为扩展接口」（code as a scaling interface）。
- 校正代码是纠正性语言、空间证据、执行历史与动作提案的学习化表示，MetaBrain 在训练时提供纠正监督、执行时提供落地引导
- 校正编码器与适配器学习把引导注入动作，纠正知识被吸收进可训练的策略权重；部署时冻结全部权重，仅靠新代码调整行为，可即时应对新故障
- 底层动作模型 A²-WLA 在 VLA 策略上加入运动感知历史与潜在世界模型，据称仅靠动作预训练即可在发布前达到 0.87555 的成功率（arXiv 2026-03-06）
「具身」频道最新
- 约翰霍普金斯实验室招聘具身智能博士后,12 月 11 日截止 — mangahomanga · 2026-11-10
- HARP-Bench:37 任务测机器人与人类协作，主流策略成功率仅 9-19% — gan_chuang · 2026-11-10
- Karmedge 预测:OpenAI、DeepMind 或 Nvidia 将在 2027 年底前解决机器人智能 — alexmacgregor__ · 2026-11-10
- 研究：VLA 推理仅跑 1 步 Euler 即可,提速 1.6-4.8 倍 — kaixhin · 2026-11-10
- 6-8 千加元预算跑本地大模型：M5 Ultra 96GB 还是自组大内存 PC？ — EfficientDivide1572 · 2026-11-10
- 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