EqC 框架让机器人知道自己不行：叠衣任务 0% 到 100% 自主成功
du_yilun · x · 2026-11-12
一篇 arXiv 论文（2610.18790）提出 Equilibrium Energy Control（EqC），面向「智能体机器人时代」的自省式终身学习控制框架。核心思路是：控制策略（如 VLA、世界模型）应当知道自身能力边界、在需要时呼叫智能体帮忙，并把每次人工干预转化为更高的自主性。
要点：
- 单一能量景观同时管动作与自省：用能量式动作生成器产生动作，同时通过动作细化的几何结构监测自身胜任度，策略自己知道何时该求助。
- Energy-Gated DAgger × Astra 自我改进闭环：检测到能力缺口 → 请求智能体恢复 → 从恢复轨迹学习 → 扩大自主范围，比人工判断干预更有效，一条 VLA 自我改进的具体路径。
- 可自然集成到 Diffusion Transformer 策略和流匹配 VLA 策略；仿真与真实双手操作任务中性能与鲁棒性持平或更好。
- 真实世界叠衣实验中，仅 6 次智能体生成干预后自主成功率从 0% 提升到 100%，展示了一条从静态生成控制器走向自我改进机器人的实用路径。
「具身」频道最新
- 伯克利团队推出 Double-T DINER，让 Spot 机器狗子任务完成率提升 23% — KyleMorgenstein · 2026-11-12
- Gemini 4 Carbon 在机器人实验室折腾 7 小时弄坏夹爪 — ArtificialAnlys · 2026-11-12
- 女子自制半人马机器人，可骑乘的四足机器马亮相车库 — kyliebytes · 2026-11-12
- 苏姿丰现身 CoRL 2026，与李飞飞对谈机器人与物理 AI 前景 — theworldlabs · 2026-11-12
- Scaling H2R@CoRL 2026：探讨人类数据规模与多样性如何决定机器人能力 — mangahomanga · 2026-11-12
- 斯坦福 FIDO 机器狗靠玩捡球收集真实动力学数据训练模型 — kevin_zakka · 2026-11-12