Auriga 发布任务无关智能体框架，零样本操作登顶 RoboDojo

Chengcheng Wang 等作者发布技术报告，提出任务无关的智能体框架 Auriga，用于缩小视觉语言模型在机器人操作中规划与执行之间的落差。作者称，在 RoboDojo 上移除机械臂执行后，GPT-6 Astra 的成功率从参考控制接口下的 22.5% 升至 76.2%；Auriga 在零样本操作中弥合了该落差的 68.3%，无需目标任务试错或重置。 经过 13 轮跨任务能力迭代后冻结评估，Auriga 在 RoboDojo 排行榜以 57.7% 成功率（64.0 分）排名第一，在同一模型上超过参考 harness 一倍以上；场景随机化下仍居首，而学习策略最多下降 33.9%。同一冻结 harness 在 RoboCasa365 上达到 73.2% 成功率，在复合任务上比 VLA 辅助智能体高至多 23.1%。 框架基于显式任务信念决策，通过直接工具调用或多步 Python 程序执行；harness 提供校准的 3D 测量、以手指为参照的双臂控制和单一机器人准入网关。运动前在仿真暂停时检查视觉轨迹预览，执行中校验阶段容差与抓取边界，偏离时停机并返回实测偏差供原地恢复。上述指标均为作者报告，属预印本，未经同行评议或独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。