RoboFoundry：冻结基座模型的具身智能体框架

新加坡南洋理工大学、北京航空航天大学、新加坡国立大学、上海交通大学、云蝶科技等机构的研究团队提出 RoboFoundry 具身智能体框架，将其定位为把智能体系统本身形式化为「自进化的系统即策略」。该框架的基座模型保持冻结，进化发生在模型周围的上下文系统、技能系统与执行接口上，并借助一层共享的语义接口在不同机器人之间复用。 据该团队介绍，RoboFoundry 起始时不做任何任务级的系统适配，每个任务测试 10 次，用于在线进化的试验也计入成功率，系统更新只发生在两次试验之间；所有设置使用相同的任务流和交互预算，从第一个计分回合就开始进化，进化过程中的每一条轨迹都计入成绩。为保证公平，RoboFoundry 与单独使用的 π0.5 在对应任务上使用同一个微调 checkpoint。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。