SecondSource從一手資料重建判斷

據論文摘要,三位作者自報:機器人不訓練策略、只找最相近的示範並照搬示範的動作,在模擬基準 LIBERO 上成功率就有 91.7%。

概念插畫:一塊橫長的招牌由兩條細纜線從上方吊著,頂部黑色橫條上以白字寫著 SEREACT,字的左邊有一個白色折角標記。招牌下方的一條橫線上,由左至右擺著:一個寫著 DEMOS 的米色敞口箱子,裡面直立著兩疊白色薄片;一塊立在矮座上的紅橙色面板,上面畫著一支黑色機械臂夾著馬克杯;還有一台螢幕,底座寫著 LIBERO,畫面裡是一支幾乎相同、也夾著馬克杯的黑色機械臂。 圖上印著:91.7% Sereact 團隊自報:不訓練、只照搬最相近示範的 LIBERO 成功率;OpenVLA 經 OFT 微調為 97.1%,算法是否相同未明。

LIBERO 的高分可能有一大部分來自重用示範,不能直接當成機器人在沒見過的場景也做得好。作者署名 Sereact 團隊,論文被 CoRL 2026 的一場工作坊接收,程式碼公開。作者分析九個公開的視覺語言動作模型,也就是看畫面、讀指令後輸出機器人動作的模型,說微調主要是把模型練成更好的「找相似示範」工具(arXiv 2611.13160,2026-11-09)。對照:史丹佛團隊 2025 年的 OpenVLA-OFT 微調配方,把 OpenVLA 在 LIBERO 四組任務的平均成功率從 76.5% 拉到 97.1%(arXiv 2502.19645,第 2 版 2025-04-28)。91.7% 是哪幾組任務、試了幾次,和 OpenVLA-OFT 的 97.1% 算法是否相同,摘要都沒寫。OFT 論文另在實體雙臂機器人上測過,Sereact 這篇的摘要沒有實機結果。 怎麼查的 →

出處與查證

這則刊在2026年11月17日的晨報,同一期還有 13 則。查證經過、引句核對與當天缺的資料,記在那一期的本日驗證。

引用這則

SecondSource(2026),〈據論文摘要,三位作者自報:機器人不訓練策略、只找最相近的示範並照搬示範的動作,在模擬基準 LIBERO 上成功率就有 91.7%。〉,https://secondsource.io/research/2026-11-17-2/,取用日期取用。