新闻X12 天前
Apple AMP1框架实现通用大模型零样本机械臂操控胜过VLA
本文由 AI 根据公开内容整理,可能有误,请以原文为准:New Apple paper shows that a general-purpose AI model like Claude Opus 5.5, given camera views and direct control of a robot arm, handled...(X:Rohan Paul (@rohanpaul_ai)(via AIHOT))
核心内容
Apple研究团队发布AMP1智能体操控框架论文,证实Claude Opus 5.5、Gemini 4 Argon等通用多模态大模型可在零样本条件下完成机械臂操控任务。该系统不依赖任何示教数据或任务特定训练,仅通过相机画面输入、代码生成执行及直接运动指令下发实现端到端控制,且在标准评测中性能优于当前主流视觉-语言-动作(VLA)专用模型。
AMP1架构核心在于将通用大模型作为高层规划器,结合底层代码解释器与机器人运动原语接口,形成“感知-推理-执行”闭环。系统接收RGB图像后由LLM生成可执行Python代码调用预定义运动API,避免端到端策略网络的训练开销。该设计解耦了语义理解与运动控制,使通用模型无需适配机器人本体即可迁移至不同机械臂平台,显著降低具身智能部署门槛。
关键看点
- 零样本操控:Claude Opus 5.5等通用模型无需微调即可通过AMP1完成机械臂任务,摆脱对大规模机器人数据集的依赖
- 代码驱动执行:系统通过生成Python代码调用运动原语API,替代端到端VLA策略网络,提升可解释性与调试效率
- 性能超越VLA:在相同任务基准下,AMP1+通用模型组合的操控成功率高于专用视觉-语言-动作模型
- 跨平台迁移性:架构解耦语义与运动层,支持快速适配不同机械臂本体,无需重新训练模型
工程与产业观察
AMP1验证了通用大模型通过代码中介实现具身控制的可行性,为机器人算法工程师提供了一条绕过VLA训练瓶颈的技术路径。其代码驱动范式增强了系统可解释性,利于硬件研发者快速集成;对产业决策者而言,该方案降低了具身智能落地对专用数据与算力的依赖,加速通用模型在工业场景的验证进程。
线索来源:AIHOT
外部来源
本页事实对应的公开页面,以原文为准。(点击将离开本站)