GPT-6-Astra 理解触觉并超越视觉-触觉-语言-动作模型
研究者提出 GPT-as-Tactile-Policy 方法，让 GPT-6-Astra 将专家演示总结为任务指导与触觉参考，结合多模态观察与交互历史生成控制指令。无需机器人专用预训练或按任务微调，该方法在五项 UniVTAC 任务上达到 93.8% 平均成功率；在 Insert Hole 任务中，触觉反馈将成功率从 31% 提升至 99%。
#论文/研究
新闻、仓库与研究，按时间排列。
arXiv · cs.CLAI 评分4545
GitHub · 去对齐工具与仓库AI 评分4848 sou350121/VLA-Handbook：全中文工程实战导向的 VLA 知识库
GitHub 上的 VLA-Handbook 是一个全中文、工程实战导向的 VLA 知识库，含 688 篇理论文档、165 篇英文社区实战笔记、300+ 条中文社区蒸馏和 47 条 GitHub Issues 工程经验。2026-06-11 更新后全库从 254 篇扩至 380 篇，修复 200+ 失效内链，并上线行业情报雷达与每日自动 pipeline，提供 4 个 RSS feed 和一键 OPML 订阅。
arXiv · cs.AI精选AI 评分6565 四个 Gemini 4 Argon 智能体自主通关 Minecraft
研究者将四个 Gemini 4 Argon 智能体放入沙盒化的 Minecraft 生存世界，目标是击败末影龙，每个智能体通过开源库 Mineflayer 控制一名玩家，靠游戏内聊天和共享记忆协调，没有人类分配角色或编写游戏逻辑。团队从随机生成的 Easy 难度世界出发，编写了 2,783 个程序，死亡 605 次，用 27 小时 14 分钟击败了末影龙。作者称这是据其所知首次由 AI 智能体仅用标准 Mineflayer 库、无预探种子等人类专用工具完成的端到端自主通关，论文还描述了分工、知识共享、互相恢复物品等策略与结果局限。
推荐理由：论文给出了完整运行数据与协作策略描述，读者可以据此了解多智能体长时程自主任务的实际做法和局限。
arXiv · cs.AIAI 评分2424 Urbex：面向城市级 3D 场景的智能体空间定位框架
Urbex 是一个智能体视觉-语言框架，将城市级 3D 定位从候选排序改为主动空间搜索，让 VLM 智能体查询地标、缩放局部区域、渲染斜视图并提交边界框。该方法在 CityRefer 上用强化学习优化工具使用策略，取得最佳 Hit@1 和 IoU，无需候选框和真值框，且显著快于最强城市级排序基线；在 STPLS3D-Refer 上的零样本结果也显示跨场景鲁棒性提升。