研究团队在IsaacLab仿真平台中,构建了大规模的程序化生成管道,从物理和视觉两个维度进行全方位随机化。
“高级人工智能的强化学习算法,未来可能不再由人类设计,而是由机器从自身经验中自动发现。”
这套方案彻底打破了传统技术的壁垒,让手-物交互研究的门槛大幅降低。
来自纽约大学和Meta的研究团队提出的AINA框架,让机器人学习技能的方式发生了根本性转变。
团队在论文中表示,未来将进一步探索功能泛化能力,希望实现“举一反三”的效果。
这条相对小众的 “差异化路线” 虽面临多重工程挑战,但随着两家公司在技术研发与场景落地层面的探索突破,其实用价值正逐步显现。
具身智能模型的每一个突破都让它们离落地更近一步。