宾大茅佳源提出TR指标与自适应引导 实机泛化率达83%

在2026年IROS大会上，宾夕法尼亚大学茅佳源联合MIT与斯坦福团队提出新型Temporal Ratio（TR）评估指标与自适应引导机制，有效破解具身智能长期存在的“视觉会了、手却做不对”难题。该方案核心为RAPID闭环框架，融合神经-符号混合世界建模与动态反馈控制：神经层提取物体形状、姿态与材质等属性；符号层显式编码动作与状态变化的因果关系（如push(glass)→平移不翻倒），支持多步动作物理推演。TR指标量化预测轨迹与真实执行在关键状态节点的时间一致性偏差，用于识别“动作鸿沟”；当TR超标时，系统自动调用符号层世界模型进行物理可行性校验，生成约束条件（如最大接触力、最小滑移角）并反馈至动作模块重规划，全程无需重训主干网络。实机测试中，该方法在12类组合任务（如先推杯再拧盖）上真机泛化成功率从基线35%提升至83%，且所有任务仅基于单次人类示范，未使用额外遥操作数据，显著优于传统端到端数据驱动范式。团队指出，问题本质非数据不足，而是建模逻辑缺陷——主流方法常将视觉预测准确等同于动作可行，忽略摩擦、接触稳定性等物理约束。该路径重构数据使用逻辑：高质量小样本服务于世界模型初始化，而非动作生成唯一依据。当前行业正从“数据密集型”转向“模型结构驱动型”，茅佳源工作为具身智能迈向自主推理提供关键技术锚点。