
/拓氪/近日,卓世科技AI研究院(Zoellent AI Lab) 正式發布 GR-SAC(Gated Residual Soft Actor-Critic) ,并開源模型代碼、參考權重及技術報告。該方法基于凍結的基座模型,僅增加約0.0041%的推理參數,相對失敗率下降5.32%,登頂國際具身智能評測基準 RoboMME Standard方向第一。

榜單在同一張表中展示基于開源模型的 Standard 方法和使用專有前沿模型的 Agentic 方法。表中得分高于 GR-SAC 的四項方法均屬 Agentic 方向,另列的 Human Performance 為人類表現參考值,不參與模型排名。
一、RoboMME 國際具身智能評測基準
RoboMME(*Benchmarking and Understanding Memory for Robotic Generalist Policies*)由美國密歇根大學、斯坦福大學及Figure AI的研究人員共同提出,其研究論文入選國際機器學習頂級會議ICML 2026 Oral。與隻檢驗單次抓取或放置的測試不同,RoboMME重點考察機器人在長時程操作中能否記住此前發生的事情、理解當前任務進展,并把記憶轉化為正确動作。
該基準圍繞時間、空間、物體和過程四類記憶能力設計了 16項機器人操作任務,标準評測共800次測試(每項任務50次)。RoboMME持續維護公開的國際模型排行榜,已彙集斯坦福大學、清華大學、華中科技大學、NVIDIA 等機構相關團隊的研究成果,為具身智能模型的記憶與操作能力提供了可比較的研究參考。
二、機器人不隻要“會做”,還要“記得住”
RoboMME的挑戰之處在于:有些任務即使機器人看清了當前畫面,也無法僅憑這一刻的信息判斷正确動作。它必須回憶之前的操作、目标位置或示範過程。
時間記憶(Counting):例如BinFill任務,機器人需要按要求把指定數量的方塊放入容器,記住已經完成了多少次操作,并在恰當時機按下結束按鈕。多放一個、少放一個,都可能導緻失敗。
空間記憶(Permanence):
例如VideoUnmask任務,機器人需要記住視頻中物體被遮擋前的位置,即使目标後來被容器蓋住,也要找到正确的對象。
物體記憶(Reference):
例如VideoRepick任務,機器人先觀看示範,再找出視頻中曾被抓取的同一個方塊,并按要求重複操作。關鍵不隻是“抓得起來”,還要“認得出之前是哪一個”。
過程記憶(Imitation):
例如InsertPeg任務,機器人需要觀察示範(一段參考視頻)中夾取插銷的哪一端、插入盒子的哪一側,并複現相應操作。這不僅考驗對示範的理解,也考驗機械臂精細、穩定的動作執行。
這些任務揭示了具身智能的雙重挑戰:機器人既要“想對”,也要“做準”。即使大模型已經能夠理解任務并生成合理動作,執行中的細微偏差仍可能造成任務失敗。GR-SAC正是針對這一問題展開研究。
三、GR-SAC:凍結大模型,用極少參數實現按需動作糾偏
GR-SAC并不重新訓練一個新的VLA模型,而是采用 “凍結原有VLA + 輕量化殘差控制器” 的架構。此次研究以開源模型SimpleMemVLA為基座:原模型繼續負責理解曆史畫面、判斷任務并生成機械臂動作序列;GR-SAC在執行過程中額外觀察當前前視和腕部攝像頭畫面、機械臂狀态以及尚未執行的動作,學習對關節指令施加适當的小幅修正。
1. 基座完全凍結,新增推理參數僅占0.0041%
與對整個大模型進行強化學習微調不同,GR-SAC保持原有參數不變,隻為部署增加一個 232.110參數 的視覺殘差控制器。它不負責重新理解整段任務,也不取代VLA生成的動作,而是在已有動作的基礎上進行局部修正。這樣既能保留基座模型已經具備的記憶與操作能力,也顯著降低需要新增的模型參數規模。
2. 門控決定“何時糾偏”,殘差約束決定“糾偏多少”
GR-SAC并不持續幹預機器人的所有動作。它通過可觀察的門控條件判斷:當前規劃動作是否相對平穩、機械臂是否接近目标關節位置、夾爪指令是否穩定。隻有滿足條件時,輕量控制器才參與修正;當動作狀态變化或夾爪需要切換時,門控關閉,避免不合時宜的幹預。
與此同時,GR-SAC對修正幅度設置明确邊界,并引入衰減和重置機制,防止微小偏差在連續控制過程中不斷累積。讓修正發生在合适的時刻,且始終保持克制,是這套方法的重要設計思路。
3. 從執行結果中學習,無需人工重新标注糾偏動作
訓練方面,GR-SAC采用Soft Actor-Critic(SAC)強化學習算法。首先讓凍結的原模型在訓練環境中執行任務,自動收集成功軌迹作為學習參考,再結合後續仿真交互中的成功與失敗經驗持續優化殘差控制器;無需額外采集人工糾偏示範。

圖:GR-SAC總體架構。上方展示凍結VLA與門控殘差糾偏的執行過程,下方展示基于成功經驗回放和SAC的強化學習流程。
實驗結果進一步驗證了輕量糾偏的價值。在RoboMME的16項任務、800次标準測試中,相比原始SimpleMemVLA,相對失敗率降低 5.32%。其中,精細操作任務 InsertPeg成功率由46%提升至52%,示範複現任務 MoveCube由94%提升至100%,均提升6個百分點。研究團隊同時公開了逐任務結果和參考模型,便于社區複核與後續改進。
這組結果的價值不僅在于分數提升,更在于證明:對一個已經具備較強能力的VLA模型,不必依靠大規模重訓,也可以通過小型強化學習控制器進一步改善部分動作執行失敗。
四、持續推進具身智能研發,構建從模型到通用大腦的技術體系
GR-SAC的發布是卓世科技持續探索具身智能後訓練技術的最新進展。此前,公司已推出ZoeInside-VLA視覺語言動作模型登頂MolmoSpaces具身智能評測榜單;同時發布卓世「啟元」具身通用大腦,采用TriCore三核架構,由邏輯系統、直覺系統與共情系統分别承擔任務規劃、動作執行和人機交互等能力。
依托自主研發的“璇玑玉衡”大模型體系 以及具身智能數據采集、模型訓練和大腦管理平台,卓世科技持續推進機器人從任務理解、動作生成到執行反饋的技術研發。此次開源GR-SAC,也為業界探索輕量化強化學習後訓練、提升機器人複雜操作可靠性提供了可複現的技術參考。
GR-SAC已開放代碼、參考控制器權重、訓練與評測腳本及實驗結果,歡迎全球研究者使用、驗證和交流。
關于卓世科技
卓世科技于2018年底在北京市成立,創始人和核心研發團隊均來自AI頭部企業資深高管和科學家,在大模型算法、行業模型研發、具身通用大腦等前沿領域具有行業領先的研發和商業化能力。公司緻力于打造中國領先的企業級AI生産力提供商,亦是國内唯一同時具備“自研行業大模型 + 具身通用大腦”全棧産品技術和規模商業化的公司。卓世科技依托專有行業數據、全棧 AI 大模型平台等底座,打造可交付、可計量、可持續複購收費的一體化 AI 生産力平台,完成數字世界智能決策 + 物理世界實體執行的全鍊路閉環,引領 AI 産業從模型比拼走向生産力兌現的範式革命。公司獲得國家網信辦首批大模型和算法雙備案、國家重點“小巨人” 等資質,榮膺2026福布斯中國人工智能科技50強,牽頭制定多個大模型領域行業标準,并獲得100餘項人工智能大模型發明專利。