Zeva：面向泛化具身操作的情境因果学习框架

通用具身操作难以仅通过预训练实现，因为真实世界存在未知物理条件。arXiv论文提出Zeva框架，据称是首个支持从机器人自身物理交互经验进行情境学习且保持策略模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身冻结的框架。Zeva使用因果交互提取器将已执行动作及其引发的状态变化编码为因果交互信号，存储于双时间尺度因果记忆中。后续动作生成时，系统从记忆检索相关信号并注入冻结策略模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身作为上下文。仿真仿真在电脑里搭建虚拟世界来测试、训练机器人。成本低、速度快，但和真实世界总有差距。◆ 小白科普 · 现身和真实世界操作实验显示，Zeva在对比的前沿VLA和WAM中性能最佳，且能在部署部署把机器人真正放到工作现场长期干活，而不只是在实验室演示。部署规模决定了数据回流和经验积累的速度。◆ 小白科普 · 现身中无需梯度更新实现自我进化，成功率随交互经验积累持续提升，习得经验可跨任务泛化泛化指 AI 面对没见过的新东西、新场景时也能举一反三做出正确反应的能力。这是「通用机器人」和「专用机器」的分水岭。◆ 小白科普 · 现身。