您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。 未知机构:《261117-东吴汽车物理AI每日一问怎么看Fable5.2的具身智能泛化能力》-发现报告

261117-东吴汽车物理AI每日一问怎么看Fable5.2的具身智能泛化能力

2026-11-18 未知机构 晓燚
261117-东吴汽车物理AI每日一问怎么看Fable5.2的具身智能泛化能力

猜你想问

Fable5.2具身智能任务完成情况如何?

官方演示显示Claude可控制机器人完成拧瓶盖、解魔方等高难度任务,完成质量优于Astra 6或GPT-6,虽视频有加速但任务完成质量显著提升。Astra早期实验中,低精度操作成功率超90%,高精度操作不足10%,耗时几十分钟;Fable 5.2已能完成转动魔方、拧瓶盖等高精度操作,拧瓶盖耗时约几分钟至10分钟,体现大模型能力提升带动具身智能能力同步提升。

Fable5.2泛化能力来源及与VLA模型区别?

泛化能力来自预训练过程,通过图片、文字学习解魔方等信息形成通识性动作认知;推测Anthropic在预训练中加入具身智能数据,才涌现较强现实任务解决能力。仿真测试成功率达60%以上,较Astra大幅提升。VLA或世界动作模型已至60-70分,通用大语言模型上限仍需持续跟踪。

大语言模型推动具身智能行业发展趋势如何?

大语言模型负责S2层,具身智能模型负责S1、S0层分工合作模式,实验效果优于纯大语言模型直接控制机器人。通用大语言模型完成现实物理任务能力处于0-30分阶段,整体市场态度偏乐观,几乎所有投资者认可推动作用,但尚无定论证明大语言模型可替代专业具身智能公司在S1、S0层的功能。

Fable5.2产业落地及规模化量产问题有哪些?

精细操作耗时仍无法满足规模化量产期待,产业界与学术界尚未定论是否随大模型scaling解决。仿真测试成功率达60%以上,但存在Sim2Real落地差距。当前最优方案是大语言模型与具身智能模型分工合作,但Fable处于0-30分阶段,通用大语言模型上限仍需持续跟踪。

研报相关风险提示有哪些?

Fable目前在RoboData榜单仅仿真测试,未放出真机数据,官方演示可能存在微调或效果放大。产业界与学术界尚未定论是否随大模型scaling解决时延问题。整体市场虽偏乐观,但仅极少数观点认为无推动作用,需客观看待仿真与现实差距。