ZAP模型实现机器人任务高成功率
热点事件观察中
ZAP模型实现机器人任务高成功率
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月27日，研究人员在arXiv上发布了Zero-real Agent Policy (ZAP)机器人控制方法。该方法通过预训练一个27B参数模型来理解世界，随后在简单模拟任务上进行监督微调和GRPO训练。ZAP无需真实机器人数据，便能在真实世界任务中达到96.7%的成功率，优于MolmoAct2 VLA并匹配GPT-6 Astra的性能，同时运行速度更快且成本更低。该模型还能泛化到全新物体、目标、策略和语言，并在未见过的单臂Franka机器人上表现优于基线模型。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 01:44
预训练知其然，模拟训练知其所以然：模拟训练的机器人智能体中的组合泛化报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv · cs.RO精选预训练知其然，模拟训练知其所以然：模拟训练的机器人智能体中的组合泛化
研究人员提出Zero-real Agent Policy (ZAP)，通过预训练27B参数模型理解世界，再在简单模拟任务上进行监督微调和GRPO训练，无需真实机器人数据即可在真实世界任务中达到96.7%成功率，优于MolmoAct2 VLA并匹配GPT-6 Astra性能，同时运行速度更快且成本更低。ZAP还能泛化到全新物体、目标、策略和语言，并在未见过的单臂Franka机器人上表现优于基线模型。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。