Nghiên cứu giới thiệu uni-robot-agent để mở rộng nghiên cứu tác tử điều khiển robot bằng mô hình mở
Bài nghiên cứu giới thiệu uni-robot-agent, một khung thống nhất để huấn luyện và đánh giá các tác tử điều khiển robot (RUA) bằng mô hình có trọng số mở, thay vì phụ thuộc vào các mô hình độc quyền hàng đầu. Trong bài kiểm tra không dùng đầu vào đặc quyền, Qwen3.8-Flash-Next đạt 31,39 điểm trên RoboDojo, cao hơn kết quả 28,97 được công bố của GPT-6 Astra-RoboProbe, đồng thời thể hiện năng lực cạnh tranh trên 19 tác vụ thực tế. Nhóm tác giả cũng so sánh các mô hình qua nhiều thế hệ, dòng mô hình và quy mô, qua đó xác định bốn năng lực tổng quát có vẻ quan trọng đối với việc điều khiển robot hiệu quả. Công trình này đáng chú ý vì một khung mở, có thể tiếp tục huấn luyện và dùng chung có thể giúp các nhà nghiên cứu dễ tái lập kết quả, cải thiện tác tử robot và tìm hiểu cách mô hình đa dụng học cách vận hành các hệ thống vật lý.
Các nhóm nghiên cứu robot có thể quan tâm đến uni-robot-agent như một khung thống nhất để đánh giá và tiếp tục huấn luyện robot-use agent bằng các mô hình open-weight. Kết quả trên RoboDojo cho thấy mô hình mở có thể cạnh tranh với một số hệ thống độc quyền, nhưng các con số này vẫn nên được xem trong đúng điều kiện benchmark của bài nghiên cứu.
Đọc bài gốc