RobotAgentBench 開源家用機器人評測:瓶頸移到規畫與執行的交接

TechMoon 精選圖:RobotAgentBench 概念圖,以規畫、執行與驗收的抽象接線路徑呈現同一組模型因架構不同而產生不同進度。

Aether AI 與加州大學聖地牙哥、戴維斯分校團隊開源 RobotAgentBench,把一個真實家庭擴建成 50 種模擬佈局、90 個原子任務與 4 種開放情境,用部分進度分數與停滯率量測家用機器人的自主性。論文表 1 顯示同一組 Codex 與 InternVLA-A1.5 用三種架構接線,五項能力平均從 23.3 拉到 48.5,開放情境榜首 15.4 是四種情境的進度平均而非家務成功率,瓶頸正在從操作能力移往規畫、執行與驗收的交接設計。

HLE-Diamond 獨立榜單上架,先看每題成本與知識短板再談名次

TechMoon 精選圖:HLE-Diamond 模型榜單概念圖,以散點、分數柱與成本符號對比推理表現和每題成本。

Artificial Analysis 於 10 月 30 日推出 HLE-Diamond 獨立榜單,把推理與知識分區、每題成本與努力設定攤在同一頁。榜首 Gemini 4 Carbon 尚無公開 API,Claude Opus 5.5 從低努力到最高設定的每題成本相差約 35 倍,領先模型的推理分數更普遍比知識高 16 到 35 分,分數、成本與可用性之間怎麼換算,一次說清楚。

ScheduleGen 是什麼?NVIDIA 把多臂示範生成變成排程問題

TechMoon 精選圖:NVIDIA ScheduleGen 將多臂機器人示範生成轉成排程問題,兩支機械手臂沿協調時間表錯峰執行技能的抽象示意圖。

NVIDIA 與德州大學奧斯汀分校的 ScheduleGen 研究把多臂機器人的示範生成拆成兩層:接觸技巧沿用示範、轉場重新規畫,兩手何時等待或重疊交給混合整數線性規劃求解,排程本身也用 700 段固定路徑軌跡單獨驗證。79.6% 生成率、65.5% 策略成功率與真機 50–80% 各自量測不同的階段,直接互比會誤讀;程式碼未公開,是採用前最主要的邊界。

Waymo 硬體裝進 Toyota 產線,bZ4X 車隊 2027 日本開測

TechMoon 精選圖|Toyota 汽車工廠產線將 Waymo 自駕硬體模組裝入 bZ4X 測試車隊的概念圖。

Waymo 與 Toyota 在 10 月 30 日宣布合作進入下一階段:bZ4X 自駕車將在 Toyota 高岡工廠完成基礎車組裝與 Waymo 硬體整合,2027 年於日本展開車隊初步測試與驗證,英國與其他市場排在後續年份。同一年 9 月 Waymo 已與日本交通、GO 簽約準備 2027 年東京無人叫車服務,兩份公告都未說明兩條路線如何銜接,付費營運時程與車隊規模也尚未公布。

Slackbot 事件觸發任務:工作起點交給助理,額度仍是邊界

TechMoon 精選圖|Slackbot 更新帶來事件觸發任務、Mini 浮動視窗與技能管理介面。

Slack 在 10 月 28 日把 Slackbot 推向事件觸發:訊息、表情反應與清單更新都能喚起預先設定的任務,同一批還有桌面浮動視窗 Mini 與技能管理介面。但任務每天能自動執行幾次,官方兩份說明文件分別寫十五次與三次,實際可用範圍也由方案與管理員設定決定,適合先從訊號明確、輸出容易核對的工作交起。

Share to...