免训练指标FlowEval评估具身模型部署适配量

2026年11月10日，arXiv Robotics 刊出 Zhang Xi-Jia 等作者的论文，提出一组无需训练的指标 FlowEval。据该文，FlowEval 用 flow-matching 目标配合少量成功演示来探测具身基础模型，量化模型在目标演示上的预测分歧，以判断预训练模型与目标部署的匹配程度；作者称其研究目的是检验少量目标域成功演示能否在适配之前揭示是否需要目标域数据以及需要多少。论文称，在 Pi-0.5、MolmoAct2、GR00T、DreamZero 四个具身基础模型家族上，FlowEval 在真实世界与仿真操作中区分了已见与未见部署；在 17 个 RoboCasa365 操作任务上微调 Pi-0.5 与 GR00T 后，FlowEval 与随适配数据增加而提升的成功率相关。上述均为论文作者自述，尚待独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。