AlphaNIST：稀疏二值奖励自学机器人装配

2026 年 10 月 12 日，arXiv cs.AI 刊出 AlphaNIST 论文。该工作让机器人在仿真环境中仅凭稀疏的二元任务奖励，为 NIST Assembly Task Board #1 的全部 20 项装配任务从零训练单一策略，训练成功率达 98.2%，过程中不使用人类演示、进度塑形，也不做逐任务调参。报道还称，策略在没有任何显式规划器的情况下自发涌现出类规划行为，例如为后续装配步骤选择抓取方式、借助周围几何重新调整零件位置。目前公开信息仅此一项，尚无与早先报道在数字、时间或说法上出现不一致的情况，也未见真机验证或其他基准上的扩展结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。