【AI 核心摘要】
国内具身智能赛道近期掀起开源潮,但行业面临一个核心困境:大多数VLA模型评测是在特定任务微调后才进行的,难以判断预训练的真实贡献。自变量机器人(X Square Robot)推出的Wall-OSS-0.5模型,直接采用未经任何任务微调的预训练模型在17个真实机器人任务上测试,结果令人乐观。该模型在零样本场景下,积木分拣等任务得分超80分,尤其“绳子收紧”这类未见过的柔性操作任务也达82分,展现了强大的迁移能力。微调后,Wall-OSS-0.5在多项基准测试中领先行业标杆π0.5,且动作训练未导致感知能力退化,反而提升了具身视觉定位能力。其成功源于梯度桥接、视觉对齐动作Tokenizer等创新设计,为通用机器人大脑的发展提供了可复现的基线。
了解更多详细信息,请访问原文:自变量机器人开源具身智能模型 Wall-OSS-0.5
数据来源:AI Bot
© 版权声明
文章版权归作者所有,未经允许请勿转载。

