ZAP：不用真机数据训练的仿真机器人策略
热点事件持续更新
ZAP：不用真机数据训练的仿真机器人策略
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Benjamin Pikus 等作者发布论文（arXiv 2610.35817），提出 Zero-real Agent Policy（ZAP）训练方法：以预训练 27B 视觉语言模型加工具调用框架为基础，先监督微调，再对简单仿真任务做 GRPO 训练，全程不使用任何真实机器人数据。论文称，在该条件下 ZAP 在真实任务上达到 96.7% 成功率。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
ZAP 用预训练小模型加仿真训练实现 96.7% 真机任务成功率报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIZAP 用预训练小模型加仿真训练实现 96.7% 真机任务成功率
论文提出 Zero-real Agent Policy（ZAP），通过预训练 27B 视觉语言模型加工具调用框架，先监督微调再 GRPO 训练简单仿真任务，训练全程不使用任何真实机器人数据。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。