CMU 等发布 AgentRoboCritic:动作级评测揭示前沿 Agent 直接控制机器人的真实能力
XiongChenyan · x · 2026-11-21
CMU、UIUC 与博世研究团队的论文 AgentRoboCritic,系统评估 GPT-6 Astra 等前沿多模态 agent 直接用低层动作控制机器人的能力。
核心问题:现有评测只报告 episode 级成功率,掩盖了对改进具身 agent 至关重要的动作级反馈。
方法:策略 agent 在每个动作旁陈述「局部意图」,critic 据此评估该动作的结果与失败模式——让动作级评价更细粒度、更有定义。
主要发现(覆盖 12 个操作基准)
- 前沿 agent 能从局部执行失败中闭环恢复、跨场景可靠语义接地、零样本完成操作任务而无需任务特定适配
- 瓶颈在任务相关的物理执行环节,如抓取与对齐
- 不同失败模式下的恢复能力不均衡
团队还基于人工标注验证了动作级 critic 的有效性。
「具身」频道最新
- Artificial Analysis 发起 AA-Robotics 基准:GPT-6 Astra 机械臂任务夺魁 — ArtificialAnlys · 2026-11-21
- GPT-6.2 Astra 居 AA-Robotics 榜首,机械臂指令数比 Claude 少 75% — ArtificialAnlys · 2026-11-21
- Heave-Ho 框架让 2-10 台人形机器人无通信协作完成长程任务 — yuewang314 · 2026-11-21
- 南加州大学发布 Heave-Ho:多人形机器人零通信协作,成功率 86% — yuewang314 · 2026-11-21
- Unitree G1 人形机器人「上岗」U-Haul,实拍引围观 — yuewang314 · 2026-11-21
- AI 机器人雕刻石质工作室引惊叹,博主畅想彩色玻璃式视频墙 — PeterBowdenLive · 2026-11-21