机器人也能改进自己的判断方法,META Robot让技能与认知一起成长
2026.11.02 · 收录日 2026.11.02 · 事件 · 论文 · 论文预印本
港科大等提出META-Robot,让机器人在任务中同步改进操作技能、反馈获取方式与判断标准。
香港科技大学、澳门大学等团队提出META-Robot,让机器人在任务中同时改进操作技能、获取反馈的方式和判断标准,把失败追溯到具体动作。论文目前处于ICLR 2027在审阶段,在LIBERO-Pro的Spatial–Task设置下采用GPT-6 Astra成功率达95.8%,真机七类任务合计成功率78.6%(44/56)。
- META-Robot在生成操作程序的同时生成“动作级谓词”,把任务进展变成可由证据判断的具体问题,并将失败追溯到具体动作。
- 当接触处被遮挡时,系统查阅机器人配置和控制器文件,利用关节状态、力矩等信号感知接触和负载,改进反馈与判断办法。
- 技能库与谓词库一起生长,保存经过验证的修复办法、适用条件、所需反馈和相应检查条件,等价修复会合并。
- LIBERO-Pro的Spatial–Task设置下,采用GPT-6 Astra的META-Robot成功率达95.8%,移除动作级谓词后降至76.0%。
- Galaxea R1 Lite真机上三类任务各测8次全部完成,七类任务合计成功44次,总成功率78.6%(44/56)。
为什么值得看
看机器人如何把失败拆解为可验证的动作级判断,并让技能与认知同步成长。
适合谁关注
关注具身智能、机器人操作与AI智能体的研究者和从业者。
