ZAP机器人策略实现96.7%真实任务成功率

Benjamin Pikus团队在arXiv发布研究，提出ZAP机器人策略。该策略利用预训练27B参数模型指导小型视觉语言模型控制机器人，且未使用真实世界机器人数据参与训练。 在测试中，ZAP在未接触真实数据的条件下实现了96.7%的真实世界任务成功率。该表现匹敌GPT-6 Astra，并显著优于MolmoAct2 VLA（33.3%）。同时，ZAP的运行速度比GPT-6 Astra快3倍，成本降低17倍。 研究指出，ZAP展现了对新形态、物体及策略的组合泛化能力。在单臂Franka机器人上，ZAP在RoboLab-120基准中得分55.9%，领先于领先的VLA/WAM基线4.9个百分点。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。