ZAP：仅用仿真训练的小型机器人智能体实现组合泛化

仅用仿真训练的小模型在真实机器人任务上追平 GPT-6 Astra。

资讯摘要

论文提出 Zero-real Agent Policy（ZAP），用预训练 27B 参数视觉语言模型引导世界理解与推理，再通过监督微调和 GRPO 在简单仿真任务上学习控制机器人，训练中不使用真实机器人数据。作者报告其在真实任务上达到 96.7% 成功率，与 GPT-6 Astra 持平，超过 MolmoAct2 VLA 的 33.3%，且运行速度快 3 倍、成本低 17 倍；在单臂 Franka 的 RoboLab-120 上达 55.9%，领先最强 VLA/WAM 基线 4.9 个百分点，并能泛化到未见过的本体、物体、目标与策略。

要点速读

1. ZAP 用 27B 预训练视觉语言模型做世界理解与推理，再经监督微调和 GRPO 在仿真任务上学习机器人控制。
2. 作者报告真实任务成功率 96.7%，与 GPT-6 Astra 持平，MolmoAct2 VLA 为 33.3%，且速度快 3 倍、成本低 17 倍。
3. 单臂 Franka 上 RoboLab-120 达 55.9%，领先最强 VLA/WAM 基线 4.9 个百分点，并可泛化到未见本体、物体、目标与策略。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。