arXiv cs.AI· Bince Qu, Wei Chen, Bo Zhang·· 3 天前AI 评分60
RoboHarness：一个简单机器人控制框架在 BEHAVIOR Challenge 2025 任务上超越 VLA 与世界动作模型
RoboHarness: A Simple Harness Outperforms VLA and World Actions Models
AI 导读
研究者提出 RoboHarness，一个为 LLM 智能体提供视觉-几何控制面板的机器人框架，使其能直接理解并调用具身任务。作者称借助该框架，Qwen3.8-Flash-Next 在 BEHAVIOR Challenge 2025 任务上超越了当前最先进的 VLA 模型，实现将开源。论文认为编码智能体有潜力实现通用具身操作，无需按传统路线收集机器人动作数据并训练大规模 VLA 模型。
正文 · AI 翻译
摘要：大语言模型（LLM）的兴起为通用具身智能开辟了道路，也引出了 LLM 如何在物理世界中行动的问题。一种直接的方法是训练模型生成动作：收集机器人动作数据和视频演示，用动作头改进 LLM 架构，并大规模训练视觉-语言-动作（VLA）模型。然而，我们认为编码智能体有潜力实现通用具身操作。它们所需要的只是一个简单而有效的机器人框架。我们提出 RoboHarness：一个机器人框架，为 LLM 智能体提供视觉-几何控制面板，使其能够直接理解并调用具身任务。借助 RoboHarness，Qwen3.8-Flash-Next 在 BEHAVIOR Challenge 2025 任务上超越了最先进的 VLA 模型。该实现将作为开源发布。
| 评论： | 18 页，包括参考文献和附录 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.14018 [cs.RO] |
| （或 arXiv:2610.14018v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14018 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Bince Qu [查看电子邮件]
[v1]
2026 年 9 月 29 日星期二 11:36:07 UTC（6,258 KB）
来源：arXiv cs.AI · arxiv.org