热点事件持续更新

PhysEvo用冻结模型实现机器人任务递归自改进

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

PhysEvo作者团队提出围绕单一冻结模型的物理递归自改进（RSI）框架：任务agent执行机器人任务，meta-agent依据轨迹诊断失败并修订工具与技能，全程不更新模型权重也不训练独立动作策略。作者称，在42项RoboDojo任务的held-out-layout评测中，保留的任务专用部署版本五维平均分68.14/100、成功率62.00%，对比RoboDawn一次性Astra agent的47.17%。将仿真中演化的框架部署到AgileX PiPER真机并继续修订技能后，作者称在5项真机任务的25次试验中取得90.60/100平均分与84.00%成功率。

AI 根据报道生成 · 7 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

10月8日

12:00
arXiv cs.RO 机器人学
PhysEvo：围绕冻结模型的物理递归自改进框架在 RoboDojo 与真机上评测
PhysEvo 提出围绕单一冻结模型的物理递归自改进（RSI）框架，由任务 agent 执行机器人任务、meta-agent 依据轨迹诊断失败并修订工具与技能，全程不更新模型权重也不训练独立动作策略。

本事件热度走势

可比范围当前: 8
可比范围峰值: 1010月8日 13:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。