RAX机器人在线探索框架研究发布

2026年10月25日，机器之心报道，哈佛大学、英伟达、加州大学伯克利分校、麻省理工学院和斯坦福大学的研究团队提出 RAX（Robot Agent eXploration）框架，将 Scaling Online Exploration 引入机器人学习。该框架让通用 Coding Agent 直接连接机器人的感知与控制接口，通过在线探索把成功决策写成可执行程序，并积累为可复用技能；模型参数保持冻结，机器人能力随探索持续增长。报道称，在没有任何人工动作示范的情况下，仅通过不到 2 小时的自主探索即可实现上述过程。团队开放了完整框架、Agent 指令、通用工作流、机器人接口、基准集成与评测协议，同时公开真实机器人探索过程中生成的控制程序和技能。目前进展停留在框架发布与开源阶段，后续应用效果尚待更多报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。