北京
分享至
机器人能不能像人一样，在干活的过程中自己总结经验、越干越熟练？清华AIR联合域变换给出的答案是：可以，而且不需要更新任何参数。
他们提出的Zeva，号称首个实现具身上下文因果学习（In-Context Causal Learning）的WAM（世界动作模型）。简单说，机器人不再依赖每次重新训练，而是从自己的交互经验里持续学习，边干边进步。
数字说明一切
在多个典型具身基准测试中，Zeva把累计成功率从26%拉到了73%。这个提升幅度，放在机器人领域相当显眼——不是靠堆算力，而是靠一套新的学习机制。
核心思路是"自进化"：模型在运行中不断从自身经验中提取因果规律，用于下一次决策。整个过程不涉及权重更新，意味着部署后还能持续变强，这对真实场景里的机器人意义重大。
目前这项研究来自清华AIR与域变换的联合团队。至于这套机制能走多远，值得继续观察。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
