RAX以技能复用提升机器人成功率
热点事件持续更新
RAX以技能复用提升机器人成功率
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
哈佛、NVIDIA、UC Berkeley、MIT与Stanford研究者提出机器人在线探索方法RAX：冻结模型权重，通过扩展可复用程序库，让机器人为新任务积累技能，无须重新训练策略。在RoboDojo插充电器任务中，面对未见布局，探索4轮后的成功率由26.0%提升至94.0%。
AI 根据报道生成 · 1 小时前更新
最新进展11月6日 09:12
哈佛、NVIDIA 等发布 RAX：冻结模型权重，靠技能库将机器人成功率从 26% 提升至 94%报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- AGI Hunt哈佛、NVIDIA 等发布 RAX：冻结模型权重，靠技能库将机器人成功率从 26% 提升至 94%
哈佛、NVIDIA、UC Berkeley、MIT 与 Stanford 研究者提出 RAX，通过技能库复用有效程序，避免机器人为新任务重训策略。RAX 冻结模型权重，仅更新程序库；在 RoboDojo 插充电器任务中，未见布局的成功率从 4 轮探索后的 26.0% 升至 94.0%。
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。