研究人员测试具身智能体的执行框架
Thea 和 SHAPER 将 coding-agent 基础设施思路应用到机器人和具身 AI。
为什么重要
这项工作将关注点从模型权重本身转向具身 AI 周围的执行系统。它表明，机器人智能体的进展可能取决于更好的状态表示、动作接口、评估闭环和可复用技能。
核心要点
- 1.Thea 将机器人能力封装为可调用工具。
- 2.SHAPER 在不更新模型参数的情况下演化技能和 harness 代码。
- 3.两篇论文都将 harness 设计视为具身智能体性能的核心。
两篇新论文探讨了 coding agents 所使用的 harness 模式能否提升具身智能体表现。其中一篇提出 Thea，这是一套机器人智能体 harness：它将各种能力封装为可调用工具，并加入持久化场景图和动作评估机制，用于在物理环境中形成闭环。另一篇提出 SHAPER，这是一种免训练的适配框架，在保持模型参数冻结的同时，通过目标环境 rollout 演化可复用技能和上下文代码 harness，并在 VLABench 和 ESI-Bench 上进行了评估。
⚡ 今天就能用
在对具身智能体进行微调之前，先审视其工具、上下文表示和动作评估闭环是否能在不更新参数的情况下得到改进。
来源与原始报道
本简报汇总并链接到以下媒体的报道。
- arXiv cs.AITowards the Harness of Embodied AgentsAug 13, 12:00 PM↗
- arXiv cs.LGTowards the Harness of Embodied AgentsAug 13, 12:00 PM↗
- arXiv cs.CLSelf-Evolving Embodied Agents via Skill-Harness EvolutionAug 13, 12:00 PM↗
- HF Daily PapersSelf-Evolving Embodied Agents via Skill-Harness EvolutionAug 11, 4:00 AM↗
觉得这篇简报有用？下一篇直接送到你的邮箱。