IEEE Spectrum Robotics· Evan Ackerman·· 4 小时前AI 评分62
UC Berkeley 与 NVIDIA 提出 agentic robotics，用编码智能体替代机器人数据采集
Can Agentic Robotics Solve Robotics’ Data Scaling Problem?
AI 导读
UC Berkeley 与 NVIDIA 在 2026 年 CoRL 会议上联合提出 agentic robotics 方法，让编码智能体把机器人任务拆成感知、抓取、搬运等子任务并生成人类可读的代码，无需采集演示数据。
推荐理由模型分析
材料介绍 UC Berkeley 与 NVIDIA 提出的 agentic robotics 方法，用编码智能体生成可读的机器人程序，把数据问题转为编码问题。文中给出仿真参数自动匹配、对抗式智能体审查，以及最高 99% 成功率对比模仿学习 20% 的测试结果，并提到 Wistron 换线重编程从 8 小时缩短到一两分钟。这些数字来自作者转述的会议论文与厂商说法，仿真到真机的物理接触建模仍是未解问题。
来源：IEEE Spectrum Robotics · spectrum.ieee.org