开源权重模型在机器人任务上的零样本表现

UCSD Hao AI Lab在X上展示了开源权重模型及RPent系统在机器人基准上的零样本结果，关注价值在于它把模型本身的能力与记忆、代理编排等系统因素放在同一比较框架中。

• 帖文给出的ORA结果为RoboTwin 69.2%、LIBERO-Pro 81.4%。
• RPent结合任务专属记忆后，在RoboTwin上配合GPT-5.5和Opus-4.7分别为62.4%和58.4%。
• RPent官方GitHub将其定位为面向具身智能的递归代理框架，并列出RoboTwin与LIBERO-Pro等评测环境。
• 这些数字属于特定模型、记忆配置和评测协议下的结果，不能直接等同于通用机器人能力。
• 影响/看点：如果不同任务上的收益能在独立复现实验中保持，开源权重模型的竞争重点可能从单一模型参数转向记忆、规划和执行系统；成立条件是评测任务、提示、硬件和成本均可复现。
• 资料依据:
• UCSD Hao AI Lab（2026-10-16）：关于ORA与RPent机器人基准结果的原始帖子 https://x.com/haoailab/status/2110898244012437773
• RLinf（2026-10-16）：RPent官方代码仓库与基准说明 https://github.com/RLinf/RPent

本内容由 AI 生成，仅供参考，请注意甄别