清华AIR与域变换发布具身模型Zeva，实现部署中自进化
清华AIR与域变换联合发布Zeva，实现具身In-Context Causal Learning，冻结模型累计成功率提升至73%。
AI 编撰 · 内容基于所列来源，重要信息请以原文为准
清华大学智能产业研究院（清华AIR）与域变换联合发布具身世界模型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Zeva，该模型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 · 现身首次实现In-Context Causal Learning（ICCL），在不更新权重的情况下，通过上下文因果学习实现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 · 现身中的自进化。在RoboCasa365基准测试中，冻结参数模型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 · 现身的累计成功率从26%提升至73%；在真实化学实验室ChemLab-Evo中，三个原子任务的成功率随尝试次数增加而单调增长，其中Pick Up Test Tube从65%提升至100%。Zeva通过因果变换编码器、双时标因果记忆和上下文策略注入，将每次交互产生的因果证据压缩为上下文，使模型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 · 现身持续适应新环境。
此外，一次人类演示即可初始化记忆，在Place Beaker任务上带来最高20个百分点的提升。Zeva的发布将具身智能Embodied AI让 AI 通过机器人身体感知并作用于真实世界，不只在屏幕里回答问题。◆ 小白科普 · 现身的规模化从参数空间延伸至上下文空间，为物理世界中的持续学习提供了新路径。