IXThinker·2026-09-21 18:30

研究測試大模型直接驅動真實機械身體

多機構聯合研究把凍結的視覺語言模型直接當作「大腦」，接入具身智能體在真實房屋內執行行走、尋物、就座等閉環任務，每0.5秒決定動作；結果顯示表現最佳的模型完整交互成功率僅約16.8%。

給大模型身體

研究團隊邀得多個前沿視覺語言模型參與同一套測試，讓它們在真實房屋中自主走路、尋找物品、坐下來；系統以0.5秒為周期決策，動作由生成模型輸出，物理後果則按真實引擎計算。