通用模型直接指挥机械臂：AMP1零样本在RoboLab-120达85.6%，领先VLA与WAM
机器人操作长期依赖在演示数据上训练的专用策略，如视觉-语言-动作模型（VLA）和世界-动作模型（WAM）。AMP1让通用AI模型留在控制回路中，通过代码直接指挥机械臂运动，在RoboLab-120上零样本取得85.6%成功率，而领先的VLA与WAM分别为49.2%和42.9%。在12项真实任务、3台机器人实例的108次试验中，它成功104次，且未使用演示或任务专用训练。
机械臂抓取差几毫米，Auriga把规划与执行之间的差距补回68.3%
视觉语言模型能读懂任务却常抓不稳物体：在RoboDojo上，同一模型去掉机械臂执行后成功率从22.5%升到76.2%，说明瓶颈在物理执行。Auriga把模型决策与机器人执行分开，由模型维护显式任务信念，所有动作经统一准入网关先预览轨迹、执行中校验阶段容差并在偏差时停机回报。冻结后的Auriga在42项任务上取得57.7%成功率、64.0分，排名第一，并在RoboCasa365上达到73.2%。
机器人不再靠模型做决定：代码自己量状态，42项双臂任务成功率70.24%
机器人策略不再把模型留在控制回路里。此前视觉-语言-动作模型把状态隐式压进权重，智能体框架把记忆放进模型上下文，动作如何得出无法完全查看。这里把机器人和环境状态写成代码变量，由代码从相机图像和本体感觉中测量并据此决定每一步，同一段程序跑遍一个任务的所有回合，在RoboDojo的42项双臂任务上成功率达到70.24%，比榜单最好方法高38.9个百分点。
RoboDawn 用离散动作接口让冻结 VLM 零样本操控机器人，单条示范把 RoboTwin 2.0 C2R 成功率从 53.2% 提到 73.6%
该工作提出 RoboDawn，把机器人控制暴露为平移、旋转、夹爪三类离散语义命令，让参数冻结的 VLM 以闭环方式观察—推理—执行—再观察，并配合上下文学习示范；在 RoboTwin 2.0 C2R 上零样本成功率 53.2%、单条示范 73.6%，在 RoboDojo 上从 35.67% 提升到 47.17%，同一框架还零样本迁移到 Franka 真机完成取放与堆叠。
已读完全部报道