OmniBrain-0 发布：轻量统一具身智能体模型
原文标题：OmniBrain-0: A Unified Agentic Model for Embodied Intelligence
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
arXiv 论文提出 OmniBrain-0，一个轻量级统一具身智能体，用共享高层决策模型协调操作与导航，整合任务理解、规划、进度跟踪与失败恢复。训练采用具身预训练、领域专家蒸馏与多教师在线策略蒸馏（MOPD），并提出 Rubric 引导的递归自我改进（RSI）数据飞轮。在 LIBERO-Pro、RoboCasa365、RoboTwin 2.0 等基准及真实操作任务上表现良好，推理与执行开销显著低于闭源教师模型。
- 问题
- 机器人需长程协调操作与导航并跟踪进度、从失败恢复，专用策略与重型多模态智能体都不够用。
- 方法
- 用共享高层决策模型统一操作与导航，经具身预训练、专家蒸馏与多教师在线策略蒸馏，再加 Rubric 引导的递归自我改进数据飞轮。
- 结果
- 在 LIBERO-Pro、RoboCasa365、RoboTwin 2.0 等基准及真实操作任务上表现良好，推理执行开销显著低于闭源教师模型；未给出具体数字。
- 影响
- 为具身智能体提供低成本统一决策方案，统一发生在决策模型内部而非工具接口，利于端侧部署。
深读 · 结论先行AI 生成展开看要点与影响 ↓
OmniBrain-0 用共享高层决策模型统一操作与导航，推理开销显著低于闭源教师模型
- •训练分三步：具身预训练、领域专家蒸馏、多教师在线策略蒸馏（MOPD）
- •统一发生在学到的决策模型内部，而非仅在工具接口层
- •提出 Rubric 引导的递归自我改进（RSI）数据飞轮，把执行证据转为评分细则与验证轨迹
- •在 LIBERO-Pro、RoboCasa365、RoboTwin 2.0 及真实操作任务上评测，推理与执行开销显著低于闭源教师
为什么重要：轻量模型在保持任务级可靠性的同时压低推理成本，对需要在机器人端本地部署具身智能体的团队有直接参考价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。