Thinker-Harness架构是优必选分享的双层闭环框架,用于技能迭代与模型更新。在工业场景中,经37轮50小时迭代,单任务耗时从1小时压缩至10分钟,成功率达90%。通过与VL A、世界模型结合,仿真场景任务成功率从17.8%提升至38.9%,显著降低ASTRA调用次数与TOKEN消耗。
优必选作为全站自研本体厂商,具备真机数据、自研VL A与世界模型,形成数据闭环。其优势在于工业场景落地能力,通过37轮迭代优化,单任务耗时大幅缩短,成功率提升显著,展现出在复杂工业环境中的适应性和优化潜力。
优必选计划下周发布RSI框架完整报告,含视频与网页。RSI框架通过双层闭环架构实现技能迭代与模型更新,未来将持续优化工业场景任务成功率,并计划通过硬件工程优化、CORNER CASE数据补充等方式,进一步提升模型在真实物理场景的理解与处理能力。
通用大模型在真实物理场景理解、高动态场景处理上仍有局限。直接替代RSI框架尚早,需要进一步突破模型对复杂工业环境的适应性和实时响应能力。目前RSI框架通过特定优化已实现90%的成功率,但通用大模型仍需克服物理场景理解等挑战。
本报告提示的主要风险包括:通用大模型在真实物理场景理解、高动态场景处理上仍有局限,直接替代RSI框架尚早;工业场景任务成功率从90%提升至更高水平,需辅以硬件工程优化、CORNER CASE数据补充。这些因素可能影响RSI框架的进一步推广和应用效果。