| 
以前教机器东谈骨干活，得靠东谈主一帧一帧标算作、一遍遍调参数、反复在真机上试错——累不说，还容易翻车。目下，UNITAS来了，它不看评释书，也不等西宾手把手，获胜把通盘三维全国当成我方的‘母语’来学。不是先看图、再猜距离、再换算力矩，而是从一运行，就把录像头看到的、手臂动的、杯子滑出去的轨迹，全塞进团结个三维坐标系里交融。就像东谈主无谓算抛物线也能接住飞来的球，UNITAS让机器东谈主第一次有了这种‘下刚劲’的物理直观。  17亿参数，比不少大模子小一半，却在LIBERO任务集上干出99.8%的得胜率；在更难的LIBERO-Plus上也稳住89.1%，连双臂协同擦桌子、立地摆放物品的RoboTwin测试都舒缓破92%。这不是靠堆数据硬刚，而是用‘3D原生’把感知、算作、全国响应拧成一股绳——省却中间七八谈‘翻译’身手，模子的力气全花在交融上，而不是纠错上。 更要害的是，它不单活在论文里。开源代码已上线GitHub，的确机械臂实测得胜率85%，评释这套逻辑能从凭空跑进施行。背后莫得魔法，独一扎塌实实的工程汲取：捣毁把一切映射回2D图像的老路，相持让AI在的确表率、的确重力、的确构兵联系里长大。当别东谈主还在给AI配‘物理外挂’，UNITAS还是把牛顿定律刻进了底层神经元。 这事儿听着玄乎，其实挺接地气。你想想，家里扫地机器东谈主撞墙绕半天，工场里机械臂握个螺丝还得调半天力谈——不是机器笨，是昔时的瞎想想路太“隔靴爬痒”。它得先把3D场景压成2D图，再靠算法猜深度、估分量、算摩擦，中间凡是一个身手打个磕巴，整套算作就卡壳。UNITAS不相通，它把录像头、力传感器、要津编码器的数据，全扔进团结个三维时空框架里对皆。杯子歪斜15度、桌面反光偏移3厘米、指尖构兵面压力突增0.2牛……这些信号不是寂寞的“点”，而是团结场物理事件的不同切片。就像东谈主看见水杯歪了，手自动去扶，根底无谓想“重力加快度若干”“摩擦悉数几”，躯壳还是替你算好了。 有东谈主问：参数少一半，真能扛住施行全国的乱拳？实测数据摆在这儿：在LIBERO-Plus里，任务立地打乱摆放、光照半明半暗、物体材质从塑意料绒布全混着来，它照样稳住89.1%。这不是实验室里的“期望工况”，测试用的机械臂是常见的UR5e，桌子是平凡木纹贴面，连擦桌子时水渍扩散的轨迹都算进了响应回路。更实在的是，开源代码跑在平凡RTX 4090上就能训出可用模子，中小企业拿去改改教导词、换换夹具，两周内就能让产线上的旧机械臂学会新活儿。 诚然，它也不是全能钥匙。目下对超高速动态（比如接弹球）、微米级安装（芯片贴片）还没法一招制敌。但它的价值不在“全能”，而在“可滋长”——模子结构天生救济接入触觉阵列、热成像以至声呐数据，后续迭代无谓推倒重来。中科院自动化所团队领路，下个版块已接入的确家庭环境长周期数据，规画不是让机器东谈主“完好推论指示”，而是让它记着“奶奶总把药瓶放在厨房窗台第三格，但上周摔碎过一次，目下换成了防滑垫”。时间落地的异常，从来不是多快多准，而是多懂东谈主心。 说到底，UNITAS没发明新物理，仅仅让AI第一次确凿“站在地上”看全国。不靠滤镜，不靠假定开yun体育网，就用的确全国的光、力、时辰，一砖一瓦搭起我方的领会地基。这地基不大，但扎得深。
|
