今天我讀了一篇很有意思的論文大學，
《ETA: A New Agentic Paradigm for Embodied Tasks》，提出了一種機器人控制的全新思路大學。
這篇論文作者來源包括上海創智學院、復旦大學、吉林大學、南京大學、浙江大學團隊，論文通訊作者之一是復旦大學計算機學院教授，OpenMOSS 團隊負責人老師大學。
傳統機器人AI主要走兩條路大學：
要麼直接預測動作序列，要麼先虛擬推演再執行大學。
問題很明顯：泛化差、長任務失控、出了問題沒法追溯大學。
ETA的核心思路完全不同大學。
它把"任務規劃器"放在系統中心，強制執行一條鐵律：每次只做一個會改變物理世界的動作，做完必須重新觀察環境，才能決定下一步做什麼大學。
這看起來簡單大學，但徹底改變了機器人的工作方式：
每一步都有真實視覺證據支撐，不會在沒看到世界變化的情況下連續輸出指令大學。
論文提到的三層隔離架構很有意思
系統拆成三個獨立模組：Agent負責理解任務和做決策，Interface負責安全校驗和執行閘門，World負責和真實物理世界互動大學。模型不能直接碰硬體，所有動作都要經過安全層過濾。
這個設計直接解決了一個大問題：AI模型輸出危險動作的風險大學。
除了完整版，他們還做了個外掛版，只暴露三個基礎工具：observe看環境、mark_point標座標、move_to控制移動大學。簡單到寫程式碼的智慧體都能操控實體機器人。
實驗結果很真實
130個模擬任務測試，最強LLM配合極簡工具介面，PASS@5達到90%任務解決率大學。但14%的成功率也說明長時序任務、物體放置、抓取穩定性還有很多工作要做。
最有意思的是自進化機制
他們設計了四層校驗閘門，禁止模型直接修改底層工具和安全規則大學。結果所有候選經驗更新都沒能透過全部校驗——這反而證明了管控機制有效。
這個技術已開源，做機器人、具身智慧、物理AI的朋友可以關注一下大學。#小紅書熱點觀察團# #人工智慧# #小紅書科技觀察團# #復旦大學# #多模態人工智慧# #機器人# #大模型# #科技# #AI人工智慧# #AI進化生活howto#
