跳到正文
返回论文列表
cs.RO提交于 已译

构想智能体机器人:机器人系统的新时代

Envisioning Agentic Robotics: A New Era of Robotic Systems

Grid Robotics · : · Qingfeng Lan · Duo Li · Siyao Li · Yiheng Lyu · et al.

中文摘要

GPT-6 Astra 的发布标志着机器人领域新范式的出现:智能体机器人(agentic robotics)。在数周内,配备智能体框架(agentic harness)的前沿模型在许多具身基准(embodied benchmark)上达到或超过了任务专用策略。智能体机器人系统无需为每类任务训练专用策略,而是将基础模型(foundation model)应用于开放世界具身任务。它在闭环中运行:观察环境、解读用户意图、推理任务、调用技能与工具、验证结果并调整策略。尽管取得这些进展,社区尚未就统一定义、可靠评估框架或研究路线图达成共识。本文认为,由基础模型与具身框架共同实现的具身系统 2(Embodied System 2)构成智能体机器人的决策核心。其核心挑战是在有限反应时间、机械限制、环境不可预测变化和不可逆后果等物理约束下,将通用推理转化为有效且可验证的动作。基于这一视角,本文提出一个同时衡量模型能力与闭环系统性能的评估框架,并识别从数字智能体迁移到物理智能体的原则以及实现可靠物理自主必须解决的挑战。在具身系统 2 与评估框架之上,本文展望一条通向持续自主(sustained autonomy)的研究路线图:从执行单个原语到承担常设角色,以逐步扩大的责任范围安全可靠地完成工作。

关键要点

  1. 01GPT-6 Astra 发布后,配备智能体框架的前沿模型在多个具身基准上达到或超过任务专用策略。
  2. 02智能体机器人以基础模型加具身框架构成具身系统 2,作为闭环决策核心,替代逐任务训练策略。
  3. 03核心挑战是在反应时间、机械限制、环境变化和不可逆后果等物理约束下实现可验证动作。
  4. 04提出同时评估模型能力与闭环系统性能的框架,并给出从数字到物理智能体的迁移原则。
  5. 05规划通向持续自主的路线图:从执行单个原语逐步扩展到承担常设角色。

解读

尚无解读。

原始英文摘要

arXiv:2611.18359v1 Announce Type: new Abstract: The release of GPT-6 Astra marks the emergence of a new paradigm in robotics: agentic robotics. Within weeks, frontier models with agentic harnesses matched or exceeded task-specific policies on many embodied benchmarks. Instead of training a dedicated policy for each family of tasks, an agentic robotic system applies a foundation model to open-world embodied tasks. It operates in a closed loop: observing the environment, interpreting user intent, reasoning about the task, invoking skills and tools, verifying outcomes, and adapting its strategy. Despite these advances, the community has yet to converge on a shared definition, a reliable evaluation framework, or a research roadmap. We argue that Embodied System 2, realized by a foundation model together with an embodied harness, forms the decision-making core of agentic robotics. Its central challenge is to translate general-purpose reasoning into effective and verifiable actions under physical constraints such as limited reaction time, mechanical limits, unpredictable environment changes, and irreversible consequences. Motivated by this perspective, we propose an evaluation framework that measures both model capabilities and closed-loop system performance. Furthermore, we identify the principles that carry over from digital to physical agents and the challenges that must be addressed to achieve reliable physical autonomy. On top of the Embodied System 2 and the evaluation framework, we envision a research roadmap toward sustained autonomy: the ability to perform work safely and reliably with progressively broader responsibility, from executing individual primitives to fulfilling standing roles.

同方向论文 · cs.RO

查看全部 →

反向发现 · 这篇论文相关的工具与提示词

去交叉发现 →

关联工具 · 6

AWS Machine Learning Blog68

AWS 发布基于智能体的对话式视频智能解决方案

AWS 发布了基于 Strands Agents SDK 的对话式视频智能解决方案,整合 Amazon Bedrock、Rekognition 和 Transcribe,允许用户用自然语言提问视频内容。该方案在运行时动态决定调用哪些服务,无需为每种查询类型预建管道。已有客户使用后手动审查时间减少约 80%。完整实现已开源。

推荐理由:给出了基于 Strands Agents SDK 的视频智能架构完整实现方案,读者可据此复用到其他模态。

NVIDIA Blog77

NVIDIA 在 GTC Berlin 发布本地 AI 产品与模型更新

NVIDIA 在 GTC Berlin 发布 RTX Spark、DGX Spark 与 DGX Station 的一组本地 AI 更新,涵盖个人智能体、多机集群、企业管理、Windows 版本和机器人工作流。

推荐理由:文章集中梳理了 NVIDIA 本地 AI 产品、模型支持和推理优化,提供了多项容量、兼容性与性能数据。

The Decoder80

OpenAI 推出常驻智能体 Dots,与 Meta Muse 竞争

OpenAI 在 DevDay 2026 开发者大会上发布了常驻智能体 Dots,可自动处理工作任务如修复 Slack 报告的 bug 或发送遗漏发票,有时在用户提出前就主动完成。

推荐理由:原文详细介绍了 Dots 的主动工作能力、与 Meta Muse 的对比、定价和可用性,读者可以据此判断它与现有工作流助手的差异。

Mistral AI71

Mistral 发布 Agents API

Mistral 推出新的 Agents API,将 Mistral 强大的语言模型与内置连接器(代码执行、网络搜索、图像生成、文档库)、MCP 工具支持、持久记忆和智能体编排能力相结合。SimpleQA 基准测试显示,加入 web search 后,Mistral Large 和 Mistral Medium 的得分分别从 23% 和 22.08% 提升至 75% 和 82.32%。

推荐理由:原文给出了 SimpleQA 基准测试的具体分数对比(有无 web search),读者可以据此评估搜索增强对模型实际能力的提升幅度。

NVIDIA Blog73

NVIDIA Isaac ROS 5.0 发布,增强 Agent 能力并推进开源机器人开发

NVIDIA 发布 Isaac ROS 5.0,这是一个基于 ROS 的 GPU 加速机器人开发工具包。新版本支持 ROS Lyrical 和 Ubuntu 24.04,引入了新的 agentic 工作流程。

推荐理由:原文给出了具体能力变化(FoundationPose 5.5x 提升、CuMotion 2-5ms 路径规划)和多个合作方集成信息,读者可以据此判断这个版本对机器人开发工作流的具体影响。

Google DeepMind76

Google DeepMind 发布 Gemini Robotics 2,为机器人带来全身智能控制

Google DeepMind 发布 Gemini Robotics 2,推出了三个模型:高级 VLA 模型可控制完整人形机器人从脚到指尖的运动,实现灵巧操作如系扣子;ER 2 推理模型可处理多步骤任务并协调多机器人协作;On-Device 2 模型可在几小时内适应全新机器人形态。

推荐理由:原文给出了三个模型的具体能力描述和可用入口,读者可以据此判断 Gemini Robotics 2 与前代及竞品的具体差异。