清华AIR提出具身In-Context Causal
来自 量子位 · 期号 2026-09-01
摘要
机器人学习新任务通常需要重新训练或微调参数，成本高且泛化性差。 清华AIR与域变换团队提出了一种名为“自进化WAM”的方法，核心是“具身In-Context Causal Learning”。它让机器人在不更新任何参数的前提下，仅通过观察和推理当前场景中的因果关系，就能学会执行新任务。 这相当于给机器人装了一个“即插即用”的推理模块，使其能快速适应环境变化。
来自 量子位 · 期号 2026-09-01
机器人学习新任务通常需要重新训练或微调参数，成本高且泛化性差。 清华AIR与域变换团队提出了一种名为“自进化WAM”的方法，核心是“具身In-Context Causal Learning”。它让机器人在不更新任何参数的前提下，仅通过观察和推理当前场景中的因果关系，就能学会执行新任务。 这相当于给机器人装了一个“即插即用”的推理模块，使其能快速适应环境变化。
本站只做摘要与索引，全部内容版权归原作者所有。