CaP-X：面向机器人操作的编码智能体基准测试与改进框架发布
Berkeley AUTOLAB等团队提出CaP-X开放框架，用于系统研究机器人操作中的Code-as-Policy智能体，核心包括交互环境CaP-Gym和评测12个前沿模型的CaP-Bench。
推荐理由：原文给出了Code-as-Policy智能体的系统评测框架和测试时扩展可缓解抽象依赖的发现，对研究编码智能体操作控制有参考价值。
内容形态
论文研究 最新动态
以新方法、实验设计或研究发现为核心的论文、技术报告、研究数据集与新基准设计。论文附代码或实机演示仍按研究贡献归类。
22 条精选近 30 天 5 条共收录 53 条
更新
精选归档 · 第 2 页
Berkeley AUTOLAB精选AI 评分6868
LimX Dynamics精选AI 评分6666 逐际动力等联合研究的GVF-TAPE算法入选CoRL 2025，让机器人看视频学会操作
南方科技大学CLEAR Lab、逐际动力与香港大学合作的论文《Generative Visual Foresight Meets Task-Agnostic Pose Estimation in Robotic Table-top Manipulation》入选CoRL 2025。
推荐理由：这项研究给出了从人类视频学习操作的具体技术路线和实验数字，可帮助读者了解视频数据训练机器人操作的可行路径。