清华AIR与域变换联合发布Zeva,首个实现上下文因果学习(ICCL)的具身模型。它无需更新权重,通过因果交互提取、双时标记忆和上下文策略注入,让冻结模型在部署中自进化。在基准任务中累计成功率从26%提升至73%,真实化学实验室任务成功率显著增长,并支持一次人类演示学会新操作,开启上下文空间扩展的新范式。
清华系的星动纪元公司在RoboChallenge榜单中夺冠,其具身模型Era0以64.33%的成功率和76.34的综合得分领先。Era0在复杂任务中展现出强大的执行能力,特别是在长程任务规划和环境适应性方面表现突出,标志着具身智能技术的成熟。
本文讨论了2024年具身模型和策略的发展,重点在于训练数据来源、动作预测策略和模型训练方法。通过预训练和微调,提升了机器人策略的泛化能力,强调了数据和架构的重要性。
完成下面两步后,将自动完成登录并继续当前操作。