让机器人学会「一口气干完一件活」

2026.11.06 · 收录日 2026.11.06 · 事件 · 论文 · 论文预印本

中兴提出三阶段训练范式,8B 模型长程规划准确率提升 30.31%,180B 模型登顶国内具身大脑榜。

中兴通讯发布论文《EmbodiedMind》,以 8B 模型在 18 项具身大脑基准取得 70.02% 平均成绩,长程规划准确率较现有最优方法提升 30.31%。其 Nebula-EmbodiedBrain-180B 在 SuperCLUE 9 月具身大脑榜单以 77.48 分并列国内第一,具身安全单项 97.92 分。

  • EmbodiedMind-8B 仅用 52.2 万训练样本,在 18 项具身大脑基准取得 70.02% 平均成绩,超越同量级开源模型。
  • 提出 RSFT、IR-GRPO、Trie-GRPO 三阶段训练范式,分别解决数据信息密度、异构任务平衡与步级信用分配问题。
  • Trie-GRPO 将策略优化「组」定义在动作前缀层面,使失败轨迹中的正确中间动作仍获正向局部优势。
  • 真机验证:AgiBot A2 桌面整理规划任务达 62.00%,远超 Qwen3-VL-8B 的 40.00%。
  • Nebula-EmbodiedBrain-180B 以 77.48 分与 Qwen3.8-Max-0902 并列国内第一,具身安全单项 97.92 分。

为什么值得看

长程规划是具身大脑落地分水岭,这套范式给出高性价比路径。

适合谁关注

关注具身智能、机器人训练范式的研究者与从业者。

原始来源

查看收录日 2026.11.06 全部卡片 · 全部卡片归档