外观
新闻X5 天前
商汤开源RoboRSI-27B：经验内化将具身推理成本降至1/50
本文由 AI 根据公开内容整理，可能有误，请以原文为准：The key idea behind SenseNova-RoboRSI is experience internalization.（X：Rohan Paul (@rohanpaul_ai)（via AIHOT））
核心内容
商汤科技正式发布SenseNova-RoboRSI具身智能框架并开源RoboRSI-27B-Preview模型，核心验证了“经验内化”技术路线的有效性。该研究针对GPT-6-Astra在具身任务中的高成本与工程瓶颈，通过ICL获取经验并蒸馏至开源模型。实测显示，统一协议下GPT-6-Astra在12个仿真基准达SOTA，其中RoboDojo基准成功率由27.6%跃升至81.9%，且已完成8个真机平台的适配验证。
技术方案聚焦解决闭源大模型落地难题：虽然GPT-6-Astra性能强劲，但单次放笔任务推理成本高达$55，且真机部署存在过热与响应延迟。RoboRSI通过将大模型经验内化到27B参数规模模型中，使同等任务推理成本降至约$1.1（原成本的1/50）。该框架不仅提供了可复现的实证研究数据，还为具身智能从昂贵API调用转向低成本端侧或私有化部署确立了新的工程范式。
关键看点
- 经验内化机制：将GPT-6-Astra通过ICL获取的具身操作经验蒸馏进27B开源模型，实现能力迁移
- 性能跃升数据：在RoboDojo基准测试中成功率从27.6%提升至81.9%，12个仿真基准均达SOTA
- 推理成本优化：单任务推理成本降至原闭源模型的1/50，有效缓解$55/次的高昂开销
- 真机工程验证：完成8个真机平台适配，揭示了高性能模型在实际部署中的过热与延迟瓶颈
工程与产业观察
该进展验证了“大模型经验蒸馏”是解决具身智能商业化成本痛点的关键路径。将$55/次的推理成本压缩至1/50，意味着高频操作任务在经济上变得可行。对于算法工程师，RoboRSI-27B提供了高质量的具身先验权重；对产业决策者，这标志着具身大脑正从依赖云端昂贵算力向高性价比专用模型演进，加速了真机落地的ROI转正周期。
线索来源：AIHOT
来源
本页事实对应的公开页面，以原文为准。