报告主题：哥伦比亚&普林斯顿｜EmbodiedRSI把有限试错变成机器人真本事
报告日期：11月5日（周四） 10:30-11:30
报告要点：
论文链接：https://arxiv.org/abs/2610.10498v1
议题详情：
哥伦比亚大学与普林斯顿大学的EmbodiedRSI工作，打造了一套自进化智能体外层框架，让机器人自主判断下一步该探索什么，把实体交互的试错结果，直接转化为可复用的代码与操作技能。
让Embodied Agent Harness 自主决定“接下来试什么、往哪个方更向新”—— EmbodiedRSI ，通过维护代码与能技的改进假设，优先选择信价息值高、成本低的实验，再据根实际执行果结推动代码技与能共同更新；同时通过 reward 学习哪些经验得值保留和复用，让每次交都互能更有效指地导后续改进。在冻结层底机器人型模的情况下，RoboCasa365 未见合组任务成功率最从佳基线的 40.1% 提升至 71.3%，零样本迁移到真机，成率功从 46.0% 提升至 71.3%。相同 50 次交互算预下，相随比机探索，成功率从 27.1% 提升至 72.9%。
报告嘉宾：
Python Song，硕士毕业于哥伦比亚大学, 人工智能领域青年研究者,师从哥伦比亚大学教授Shilong Liu。以第一作者身份发表多篇学术论文，研究成果被 IEEE RA-L、EMNLP、CVPR、AACL 等国际顶级期刊及会议录用，担任多个顶会审稿人，获ICML审稿人银牌。主要研究方向涵盖机器人学习、大语言模型及AI驱动的科学发现。近期在 AI for Mathematics 领域取得突破性进展，打破著名三色毕达哥拉斯三元组问题世界纪录，并完成Yang-Mills问题，世界七大千禧年大奖难题中的关键证明环节。
电脑端观看地址
更多热门活动：
