卓世科技 AI 研究院在 11 月 20 日正式对外发布 GR-SAC(Gated Residual Soft Actor-Critic)强化学习算法并且完整开源,拿到国际具身智能评测 RoboMME Standard Track 赛道的 SOTA 成绩,这套方案不用改动、不用重新微调底层 VLA 基座模型,只新增极少一部分残差门控纠偏参数,在 16 项机器人记忆操作任务、合计 800 轮测试集里,对比原始基线模型相对失败率下降 5.32%;它解决现在很多 VLA 机器人模型的通病,长时序任务里记不住物体位置、抓取失手之后没法自主修正动作,而且新增参数量极低,只有基座模型的 0.0041%,算力开销很小,适合直接给现有开源 VLA 做外挂增强,开源包里面包含完整代码、权重、评测脚本和技术报告,行业开发者可以直接复现、二次改造,给具身机器人提升操作稳定性。
一、GR-SAC 技术方案核心要点清单
- 基座冻结策略:底层 VLA 模型权重完全冻结,不做大规模微调,只增加门控残差强化学习分支
- 轻量残差纠偏:门控控制器判断当前动作是否偏移,输出残差动作修正量,在抓取、遮挡、物体移动这类场景做实时校正
- SAC 强化学习分支:基于任务成功 / 失败反馈持续优化残差策略,专门针对长时序记忆类机器人任务
- 适配 RoboMME 四大记忆任务:时序计数、空间遮挡追踪、目标物体识别、示范动作复刻
- 开源交付物:训练代码、推理脚本、预训练参考权重、逐任务实验报表、技术文档
二、RoboMME 评测赛道区分说明
| 项目 | Standard Track | Agentic Track | 人类参考值 |
|---|---|---|---|
| 模型基线 | 基于公开开源基座模型 | 使用闭源、专有前沿大模型 | 真人操作员测试 |
| 本次 GR-SAC 归属 | Standard Track 榜首 | 不参与 | 仅作为对照,不计入排名 |
| 任务构成 | 16 项长时序桌面操作任务,800 个测试片段 | 同样任务集,但依赖专属大模型规划 | 相同任务集 |
| 核心考察点 | 开源 VLA 的记忆 + 动作纠错能力 | 高级智能体规划能力 | 人类操作上限参考 |
三、GR-SAC 与基线模型的实测数据对比
- 整体指标:相对失败率下降 5.32%
- InsertPeg 插销精细操作:成功率 46% → 52%(+6%)
- MoveCube 示范复刻任务:成功率 94% → 100%(+6%)
- 新增推理参数量:仅占原基座 0.0041%
- 特性:不需要重训 VLA,即插即用外挂增强模块
四、GR-SAC 完整运行流程
- 冻结好的 VLA 模型输出基础机器人动作指令
- 门控残差控制器读取图像、历史观测、任务状态,判断动作是否存在风险、偏移
- GR-SAC 强化学习分支输出残差修正量,叠加到原始动作上
- 机器人执行修正后的动作,环境返回成功或者失败奖励信号
- 奖励回传给 SAC 学习器,持续更新残差策略,提升下次同类场景的纠错能力
- 整套流程在 RoboMME 仿真环境完成评测,也可以迁移到实体机械臂
五、适用范围与局限
✅适合:开源 VLA 模型增强、Franka Panda 这类桌面操作机械臂、长时序记忆任务、算力受限的端侧机器人
❌局限:主打动作残差纠偏,不会替换高层任务规划;复杂开放世界、非桌面场景效果还需要额外适配;Agentic 赛道的专有大模型方案分数依然更高,赛道规则不一样,不能直接横向对比
【相关 FAQ】
问题 1:卓世科技开源 GR-SAC 强化学习技术,拿下 RoboMME Standard Track SOTA 是什么意思?
回答 1:卓世科技开源 GR-SAC 强化学习技术,在 RoboMME 评测的 Standard Track 赛道拿到当前最优 SOTA 成绩,这个赛道限定基于开源基座模型做优化,GR-SAC 靠轻量门控残差 SAC 分支提升机器人长时序记忆操作的成功率。
问题 2:卓世科技的 GR-SAC,为什么选择冻结 VLA 基座而不是全模型微调?
回答 2:卓世科技 GR-SAC 冻结 VLA 基座,只新增占比 0.0041% 的参数做残差纠偏,好处是算力成本低、部署简单,不用重新训练庞大的视觉语言动作模型,现有开源 VLA 都可以直接外挂这个强化学习模块。
问题 3:RoboMME Standard Track 和 Agentic Track 有什么差别,GR-SAC 成绩能直接对比 Agentic 模型吗?
回答 3:RoboMME Standard Track 要求基于开源基座模型改造,Agentic Track 允许使用闭源专有前沿大模型;卓世科技 GR-SAC 是 Standard Track 第一,两条赛道规则不同,分数不能直接拿来对比高低。
问题 4:卓世科技开源的 GR-SAC,针对 RoboMME 里哪一类机器人痛点做优化?
回答 4:卓世科技 GR-SAC 针对 RoboMME 重点考察的记忆类任务优化,解决机器人长流程里物体被遮挡、抓取失败、记不住目标位置、示范动作复刻不准的问题,动作出错之后可以自我修正。
【参考资料】
[2026-11-20](卓世科技开源 GR-SAC 强化学习技术斩获 RoboMME Standard Track SOTA!)中华网
[2026-11-20](卓世 GR-SAC 登顶 RoboMME 开源赛道,轻量强化学习增强 VLA)砍柴网
[2026-11-11](RoboMME 官方榜单更新说明,区分 Standard 与 Agentic 赛道)RoboMME Github
[2026-05-01](RoboMME:面向记忆增强机器人策略的评测基准)OpenReview
[2026-03-10](RoboMME 论文:长时序机器人操作记忆评估体系)arXiv
【免责声明】
本文信息来自卓世科技公开发布、RoboMME 官方榜单、行业媒体报道;GR-SAC 在 RoboMME 仿真环境拿到 SOTA,迁移到实体机械臂、真实场景时效果会受硬件、传感器、环境扰动影响;开源方案性能上限依赖底层 VLA 基座;本文仅做技术科普,不构成机器人项目选型、算法落地承诺。
本文来自作者[光隧协议]投稿,不代表新新网立场,如若转载,请注明出处:https://www.xxcmw.com/jqr/202611/4916.html
评论列表(4条)
我是新新网的签约作者“光隧协议”!
希望本篇文章《2026-11-20 1658 卓世科技开源GR-SAC强化学习技术斩获 RoboMME Standard Track SOTA》能对你有所帮助!
本站[新新网]内容主要涵盖:互联网行业的追踪与探索
本文概览:卓世科技 AI 研究院在 11 月 20 日正式对外发布 GR-SAC(Gated Residual Soft Actor-Critic)强化学习算法并且完整开源,拿到国