GPT-6-Astra触觉策略在UniVTAC五项任务达93.8%成功率

Ziyong Wang 等研究者提出 GPT-as-Tactile-Policy 方法，将专家演示总结为任务指导与触觉参考，使 GPT-6-Astra 在不做机器人专用预训练、也不做逐任务策略微调的情况下，结合多模态观测与交互历史生成控制指令并依据接触反馈调整动作。在 UniVTAC 五项接触丰富操作任务上，该方法平均成功率达 93.8%。 在 Insert Hole 任务中，加入触觉反馈使成功率从 31% 提升到 99%。研究者称整体表现与当前最优策略相当，并在部分任务上成功率更高。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。