Aether AI发布CRIS-0：因果智能让机器人实时抗扰重规划
Aether AI发布因果原生机器人系统CRIS-0，演示0.2秒急停、平均2秒重规划，并在多项长程任务中完成有效恢复。
AI 编撰 · 内容基于所列来源，重要信息请以原文为准
由加州大学圣地亚哥分校助理教授、CMU因果学派学者黄碧薇创立的Aether AI，公布了其因果原生机器人系统CRIS-0的官方Demo。该公司此前选择因果智能路线，此次将系统直接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 · 现身于真实机械臂像人的手臂一样伸展抓取的装置，是工业自动化里最成熟的机器人形态，也是人形机器人「胳膊」的技术前辈。◆ 小白科普 · 现身并展示多项扰动测试。
在咖啡制作干扰测试中，机器人抓取咖啡机时遭遇人为移位与光照突变，CRIS-0平均2秒内识别关键因果变量变化并完成实时重规划，10次随机扰动中实现9次有效恢复。系统追踪把手相对位姿等变量，仅修正接近与抓取阶段，无需回归原位重启。在涉及隐私物品分拣、易拉罐晃动感知等桌面整理任务中，系统依据物理因果状态区分处理对象。面对20条含隐含意图的模糊指令，CRIS-0完成18次精准抓取与放置。
架构上，CRIS-0将任务建模为因果状态进度条，提取抓取成功、角点距离、滑移等变量；任务失败时回退至对应因果阶段而非全流程重来。调度层通过统一工具接口整合规则运动函数、技能策略模型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、导航模块、验证器与因果世界模型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。其中CausalWM重点推演动作对因果变量的影响，在输出底层控制前先做后果演练。系统按状态识别、工具选择、执行、验证、调整的任务图循环推进，并设有阶段重试、重新规划、人工介入三级恢复机制，成功路径会沉淀复用。安全判断内嵌于各因果阶段：关门时人手插入触发最高优先级阻断，0.2秒刹停；若任务为递水，人手则被视为交互目标变量。
Aether AI称，其RSIAgent在OSWorld 2.0上取得78.98%的Partial Score，CausalWM在机器人世界模型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 · 现身基准TriWorldBench登顶Leaderboard取得Top-1。公司还在推进模块化把产品拆成可以自由组合的标准模块，哪里要换换哪里，研发、维修和升级都更快。◆ 小白科普 · 现身神经架构与Causation Transformer。