NVIDIA 发布 Grana 奖励模型:飞机装配成功率从 50% 提至 75%
yukez · x · 2026-11-21
NVIDIA 联合 UT Austin、华盛顿大学发布 Grana,一个面向长时程机器人操作的组合式奖励模型,通过 VLM 估计子任务进度并叠加已完成步骤的信用,能追踪错误与恢复过程中的进度损失。
它在两个场景验证了价值:
- 训练时加权 RL:在真实机器人飞机装配任务上,用 Grana 进度加权的训练达到 75% 成功率,同一数据未加权训练仅 50%。
- 执行时动作选择:在拖拉机装配测试中,同一策略自主执行 10 次成功 2 次,借助 Grana 选择下一步动作后成功 9 次。
核心思路是把整个任务的进度分解为「未完成子任务内的局部进度 + 已完成子任务的信用」,即使一次失败的插入会抹掉当前尝试的进度,也不影响已完成步骤的得分。论文、代码与视频已公开。
「具身」频道最新
- Apple Watch 洗澡一次就卒,百元 Keep 手环洗 N 次无恙 — oran_ge · 2026-11-22
- 特斯拉 FSD V15 可视化爆火:精细 3D 夜景渲染引热议 — DimaZeniuk · 2026-11-22
- 六年对比图:特斯拉 FSD 可视化从点线进化到逼真 3D 夜景 — XFreeze · 2026-11-22
- YQ Bionics 推出 38 自由度灵巧手 Y-Hand M2,让 AI 获得物理交互能力 — CurieuxExplorer · 2026-11-22
- 博主称特斯拉 FSD 光子重建已超肉眼,恶劣光照下看得更清 — XFreeze · 2026-11-22
- 调试机器人策略要开 5 个窗口,Kyros Labs 做 Kepler 一体化工作台 — Repulsive-Fee-2735 · 2026-11-22