在 IROS 2026 上，UPenn、MIT 与 Stanford 联合团队的茅佳源分享了具身智能数据困局的研究：单次人类演示即可泛化执行多种非抓取任务的 RAPID 闭环框架，并提出诊断视觉与动作脱节的 TR 指标。
团队称，在未见过的组合式分布外任务（如“把水果放进纸袋”）中，对比模型 Cosmos-Policy 的平均成功率仅约 12%；其自身模型未引导前平均成功率为 71.8%，引入基于 TR 的自适应引导机制后，双臂机器人真机泛化成功率提升至 83%。该机制还避免了过度引导对分布内性能的损伤，并在 LIBERO 仿真基准测试中得到验证。
AI 根据报道生成 · 10 小时前更新