哈佛等多校团队开源机器人自主探索框架RAX

哈佛大学、NVIDIA、UC Berkeley、MIT 和斯坦福的研究团队发布开源框架 RAX（Robot Agent eXploration），让智能体在真实或仿真环境中自主探索，并把成功经验编译为可重复执行的程序。框架固定底层语言模型、不做策略训练，通过持久化工作区保存程序、笔记和已验证技能，成功后自动生成模块化代码以减少重复推理。 报道中给出的数据均属来源声称：在所列模拟评测中，RAX 平均性能较最佳基线高 37.4%；一次抓取任务首次完成耗时 44 分钟并使用 23 个分析脚本。报道还称 RAX 支持多类机器人平台及真实机器人架构。

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。