TAG:持续学习

文章聚焦工业人形机器人迈向国标化与规模化落地的新机遇，解析宝通科技联合光轮智能，围绕真实场景数据、仿真迁移和持续学习痛点，构建覆盖采集、训练、评测到部署的工业具身智能闭环，抢占工业AI与机器人应用先机。

财联社

2026-06-22 10:21

0

·

0

AtomicVLA是一种新型视觉-语言-动作模型，通过将机器人任务分解为原子技能（如pick、place），并利用技能引导的混合专家架构（SG-MoE），实现复杂长程任务的高效执行和持续学习。该模型引入思考-行动统一框架，支持技能库的即插即用扩展，避免灾难性遗忘。实验表明，AtomicVLA在LIBERO、CALVIN基准和真实世界任务中均优于现有模型，提升了机器人任务完成率和学习能力。

具身研习社

2026-05-26 16:13

0

·

0

清华大学刘华平教授在智能机器人大会上指出，机器人技术虽在视觉识别等领域进步显著，但距离真正“读懂”世界仍有差距。他强调具身智能的核心在于通过身体与环境的交互实现感知、学习和决策闭环，提出“主动感知”概念，即机器人需主动探索环境以获取信息，并结合多模态感知与持续学习能力，实现从“看见”到“读懂”的跨越。

具身研习社

2026-01-29 11:01

6

·

0

谷歌DeepMind预测2026年将成为AI持续学习技术全面实现的关键转折点，使AI能够自主吸收新知识并自我改进。文章探讨了持续学习对AI自主研究和编程的影响，并展望了2030年全自动编程及2050年AI主导诺贝尔奖级科研的未来前景。

aibase

2026-01-04 16:42

8

·

0

加州大学伯克利分校研究团队提出RETAIN方法，通过权重空间融合预训练与微调模型参数，解决机器人微调时遗忘通用技能的问题。该方法在真实与仿真环境中验证，显著提升新任务泛化能力，同时完美保留原有通用能力，为机器人持续学习提供高效解决方案。

具身研习社

2025-12-24 11:11

9

·

0