HexaShell：VLM 编码智能体操控机器人研究

2026年10月19日，arXiv Robotics 刊出 Hongcheng Gao 等作者的论文，提出轻量框架 HexaShell，探索视觉语言模型（VLM）智能体作为机器人编程智能体的能力边界。该框架保持薄封装，仅把智能体命令转为机器人动作；智能体使用 Codex 搭配 GPT-6-Astra（中等推理强度），通过命令行控制双臂机器人，借助三路 RGB 相机与标定信息，以三角定位确定物体位置，失败后读取日志并编写或修复工具代码。评测在 RoboDojo 全部 42 项任务上进行：工具仅在每任务单一种子的十个布局上构建并冻结，再在同种子十个新布局上测试；结果显示成功率 39.7%、进度分 48.0，刷新该榜单 SOTA。分项上，推挤任务达 92.5%、记忆任务 65.0%，紧密插入仅 8.3%，作者据此指出瓶颈在接触而非推理。作者已开源目前演化出的工具。上述数字与条件均出自该篇报道，尚无后续跟进报道。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。