机器人使用智能体已经展现出有希望的零样本操作能力,但对前沿专有模型的依赖,限制了围绕它们开展进一步训练的研究。为降低这一门槛,作者引入 uni-robot-agent,把它写成面向开源权重、并且支持继续训练的统一 harness,目标是让有竞争力的机器人使用不再默认绑定闭源前沿模型。

无特权输入下的分数对照

摘要里最硬的对照必须原样使用。在没有特权输入的条件下,开箱即用的 Qwen3.8-Flash-Next 取得 RoboDojo Score 31.39,超过已发表的 GPT-6 Astra-RoboProbe 结果 28.97,同时也超过许多 VLA/WAM 基线。该模型在 19 项真实世界任务上的表现被描述为有竞争力。材料没有解释特权输入的含义,没有给出计分协议、任务列表或方差,也没有点名被超过的基线。因此只能记下:在论文报告的该基准上,开源权重零样本分数高于已发表的闭源对照;真实任务一侧仍是定性表述,不宜写成全面领先。

有效使用被归因于四项通用能力

作者的分析覆盖不同代际、家族和规模,把有效的机器人使用与四项通用能力联系起来,并建议未来的 RUA 训练应联合发展这四项能力。这是材料中唯一的机制性结论。四项能力叫什么、如何度量、各家族短板在哪,摘要均未给出。uni-robot-agent 被说成支持进一步训练,但观测空间、动作接口、控制频率以及是否包含真机驱动,同样没有细节。信息不足时,应把联合培养读成训练方向上的判断,而不是已经验证的数据配方或训练流程。

我的判断

价值首先在问题设定。机器人智能体如果只能调用前沿闭源接口,后续训练几乎无法开展;开源权重配上可训练的统一 harness,才把继续训练写成可讨论的研究问题。31.39 对 28.97 给出具体锚点,19 项真实任务则提示成绩不只停在单一基准。适用边界很硬:无特权输入、零样本、论文自报分数,不能外推到需要特权感知或未被覆盖的操作场景。局限同样直接:四项能力未列、真实任务无分项分数、harness 实现未知,因而无法评估复现成本,也无法判断继续训练能否再抬分数。对中文开发者,更稳妥的读法是把它视为开源机器人智能体的评测与训练信号,而不是已经可上岗的通用操作策略。