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%。

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。