5400 次真机测试：Claude Fable 5.2 以 65% 成功率领跑机器人 agent 评测
ricklamers · x · 2026-11-14
Poke & Wiggle 发布机器人 agent 现实任务评测「The Reality Check Agentic」，测量各前沿模型在真实机器人上完成全部 10 项任务的成功率。
- 实验设置：每个 agent 配技能库、运动规划器、仿真器与 10 个演示；agent 自行编写技能，仿真约 30 次，再请求约 10 次真机试验
- 共测试 6 个前沿模型，5,400 次真实世界 rollout，并度量空间泛化能力
- 部分结果：Claude Fable 5.2 达 65%，Claude Opus 5.5 39%，Gemini 4 Argon 35%，GPT-6 Astra 34%
- 作者称出现了前所未有的成功率与新行为，另有两个神秘模型待揭晓
「具身」频道最新
- 单相机拍摄即可生成可动的 3D 高斯泼溅,还能加打击帧 — andrew_n_carr · 2026-11-14
- 斯坦福机器人学教材与课程资料免费开放,主讲人 Marco Pavone — StanfordHAI · 2026-11-14
- Russ Tedrake CoRL 演讲:部署数据与大规模预训练结合的价值 — RussTedrake · 2026-11-14
- X-Era AI Lab 世界-动作模型:机器人操作成功率最高 88.3% — jiqizhixin · 2026-11-14
- 传黄仁勋卸任波及 Figure AI:90 亿算力协议与新一轮投资悬而未决 — kscottz · 2026-11-14
- EmbodiedSWE 获 CoRL 2026 最佳论文：编码智能体生成机器人训练数据 — PeterHndrsn · 2026-11-14