研究AI 辅助 · 已核验
机器人团队用世界模型生成罕见场景数据,长尾任务成功率提升
一份工程报告显示,团队用交互式世界模型合成碰撞、遮挡和反光等罕见场景,再与真实遥操作数据混合训练。在未见物体的抓取任务上,成功率从 31% 提升到 44%,但模拟到现实的形变误差仍集中在软体物体上。
为什么重要
数据合成开始真正解决长尾,而不是只做演示视频;评估时必须分开报告真实数据与合成数据比例。
Physical Intelligence
一份工程报告显示,团队用交互式世界模型合成碰撞、遮挡和反光等罕见场景,再与真实遥操作数据混合训练。在未见物体的抓取任务上,成功率从 31% 提升到 44%,但模拟到现实的形变误差仍集中在软体物体上。
数据合成开始真正解决长尾,而不是只做演示视频;评估时必须分开报告真实数据与合成数据比例。
草案要求具备写权限的智能体保留可追溯的操作日志,包括调用方、工具、参数摘要和人工确认记录,并要求在事故后可在合理时间内还原决策链。草案没有规定具体技术方案,但明确指出“仅保留最终输出”不满足要求。
更正 · 11/02 12:00更正一处表述:草案针对的是“高风险场景中的写操作”,并非所有智能体。
新版本评测集加入跨段落事实核对,要求模型在摘要、问答和多轮改写中保持一致,并公开标注无法判定的样本。首轮结果显示,头部模型在中文事实一致性上的差距小于英文,但在数字与时间表达上错误率明显更高。
多个团队分享了 MCP 工具的权限分级方案:只读、可写、可外发三档,并对高风险工具强制人工确认。问题在于授权撤销仍依赖各服务端自行实现,客户端无法确认一个工具是否已被真正收回权限。