核心结论:ACT-2基础模型在“叠衣任务”上实现99.1%零样本成功率,首次在端到端模型中验证单次示范即可习得新行为并泛化至未见环境。
三个亮点:
- 预训练的规模化效应:此前机器人模型的常见困境是演示在特定房间有效、切换场景后成功率骤降;ACT-2通过规模化预训练使模型迭代具备跨环境可预测性,无需逐户重新适配。
- 数据质量而非数量的竞争,全栈数据管线构成结构性壁垒:通过构建专有数据采集硬件、数据筛选系统与数据处理流水线的全栈管线,数据资产的质量优势难以通过单纯扩大机器人数量或算力投入来替代,构成了Sunday独点核心结论:ACT-2基础模型在“叠衣任务”上实现99.1%零样本成功率,首次在端到端模型中验证单次示范即可习得新行为并泛化至未见环境。