答案已發布18 來源
HERON-CRA：讓機械人記得做過甚麼，出錯後懂得調整
HERON CRA 讓機械人參考先前的任務過程，再用強化學習修正動作；跨機械人預訓練則旨在協助技能轉移。 Scalabot 報稱，摺襪測試的成功率由 38.5% 升至 97.8%；這不是機械人執行各類任務的整體成功率。[12] 沖咖啡、跨機械人轉移及受干擾後調整的示範，展示了設計目標，未足以證明系統在陌生環境同樣可靠。[4][6][15]
發布者使用 GPT-6 Sol 編輯圖片由 GPT Image 2 生成
研究答案
重點
- HERON CRA 讓機械人參考先前的任務過程，再用強化學習修正動作；跨機械人預訓練則旨在協助技能轉移。
- Scalabot 報稱，摺襪測試的成功率由 38.5% 升至 97.8%；這不是機械人執行各類任務的整體成功率。[12]
- 沖咖啡、跨機械人轉移及受干擾後調整的示範，展示了設計目標，未足以證明系統在陌生環境同樣可靠。[4][6][15]
AI 提示
openai.comCreate a landscape editorial hero image for this Studio Global article: How does Songyan Dynamics’ Scalabot HERON-CRA, released as the second model in the HERON stack after HERON-World Model, combine 4D spatiotem. Article summary: Songyan Dynamics presents HERON-CRA, the second HERON model after HERON-World Model, as a way to give robots task memory, finer corrective control, and skills that carry across robot bodies. Its demonstrations are promis. Topic tags: general, general web, academic, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts wi
機械人要完成一連串動作，難處不止於「下一步做甚麼」：物件可能移位，剛才的動作也可能失手。松延動力旗下的具身智能品牌 Scalabot 推出 HERON-CRA，作為 HERON-World Model 之後、HERON 架構的第二個模型，目標是讓機械人記住任務經過、修正偏差，並把學到的技能用於不同機械人。這是一套設計思路；目前公開的表現，仍應視為示範及公司聲稱，而非獨立驗證結果。6
14
15
記得過程，而非只看眼前
HERON-CRA 的 Context Expert 會把之前觀察到的空間資訊及場景含義，編碼成沿時間排列的結構化資訊。這裏的「4D」是指三維空間加上時間，不是另一種神奇的感知能力。用意是讓機械人決定下一步時，能參考之前發生過甚麼，而不只憑當前畫面行動。6
9
動作走樣，嘗試學懂修正
系統中的 RL Engine 採用輕量的殘差式 actor–critic 強化學習設計：它不是完全取代原有動作策略，而是學習在原有動作之上作出修正；相關描述亦提到用價值模型評估任務進度。這有望幫助機械人更細緻地操作，並在執行偏離預期時調整，但現有資料未能單獨量度這個組件帶來多少改善。5
9
另一部分是跨機械人形態預訓練，目標是讓技能可在身體構造不同的機械人之間轉移。此外，真實操作中的成功與失敗狀態，可交由較早發布的 HERON-World Model 作為起點，生成供進一步學習的「想像軌跡」。這是兩個模型擬議中的學習循環，不等於虛擬推演已被證明能穩定預測實體機械人的表現。7
14
15
摺襪數字亮眼，但適用範圍有多大？
Scalabot 報稱，在其摺襪測試中，成功率由 38.5% 升至 97.8%。這反映該項測試中報稱的顯著進步，卻不能直接當作機械人處理所有物件或任務的成功率；現有資料亦不足以核實測試次數、條件及比較基準。12
沖咖啡示範呈現了為何多步驟任務需要記住之前的操作；跨機械人轉移和受干擾後調整的示範，則對應技能重用與修正動作的目標。不過，單靠示範，無法得知系統換到陌生環境、不同機械人或遇上其他干擾時，成功率能否維持。4
6
15
關鍵分別是：設計能夠說通，不代表可靠程度已獲證實。 要判斷 HERON-CRA 在較長、較複雜的任務中有多穩定，仍需要獨立、可比較的測試，並分別檢驗記憶、強化學習、預訓練與想像軌跡各自的貢獻。4
14
15
Studio Global AI
繼續你的研究
此頁麵包含一個有來源支援的答案，您可以在 Studio Global 內繼續。
人們還問
「HERON-CRA：讓機械人記得做過甚麼，出錯後懂得調整」的簡短答案是什麼？
HERON CRA 讓機械人參考先前的任務過程，再用強化學習修正動作；跨機械人預訓練則旨在協助技能轉移。
首先要驗證的關鍵點是什麼？
HERON CRA 讓機械人參考先前的任務過程，再用強化學習修正動作；跨機械人預訓練則旨在協助技能轉移。 Scalabot 報稱，摺襪測試的成功率由 38.5% 升至 97.8%；這不是機械人執行各類任務的整體成功率。[12]
接下來在實務上我該做什麼？
沖咖啡、跨機械人轉移及受干擾後調整的示範，展示了設計目標，未足以證明系統在陌生環境同樣可靠。[4][6][15]