智元機(jī)器人近日宣布推出一項名為Act2Goal的創(chuàng)新操作算法，為機(jī)器人領(lǐng)域帶來全新突破。該算法突破傳統(tǒng)機(jī)器人機(jī)械執(zhí)行指令的模式，賦予機(jī)器人“以終為始”的智能思維，使其能夠自主規(guī)劃達(dá)成目標(biāo)的路徑。

Act2Goal的核心創(chuàng)新在于引入“目標(biāo)條件世界模型”，將視覺推理與動作控制整合為端到端架構(gòu)。這一設(shè)計使機(jī)器人不再局限于“看一步走一步”的簡單模式，而是具備構(gòu)建從現(xiàn)狀到目標(biāo)的完整因果鏈條的能力。實驗表明，在面對陌生環(huán)境和物體時，該算法展現(xiàn)出驚人的零樣本泛化能力，僅需數(shù)分鐘在線自我磨練，復(fù)雜任務(wù)的成功率即可從30%提升至90%。

該算法通過多尺度時域哈希（MSTH）機(jī)制實現(xiàn)精細(xì)操作與全局規(guī)劃的平衡。系統(tǒng)將任務(wù)過程分解為短時精細(xì)段和長時粗粒段：前者以高頻采樣確保機(jī)械臂動作精度，后者通過自適應(yīng)采樣實現(xiàn)全局路徑規(guī)劃。這種設(shè)計有效防止了誤差累積和目標(biāo)偏離，使機(jī)器人在長時序操作中既能保持局部動作精確性，又能確保整體目標(biāo)方向一致性。

離線模仿學(xué)習(xí)階段，系統(tǒng)通過大規(guī)模數(shù)據(jù)訓(xùn)練微調(diào)預(yù)訓(xùn)練模型，生成多視角、多尺度的視覺軌跡。動作生成模塊與世界模型聯(lián)合訓(xùn)練，形成從視覺感知到動作生成的完整閉環(huán)。這種訓(xùn)練方式使機(jī)器人能夠根據(jù)當(dāng)前狀態(tài)和目標(biāo)狀態(tài)預(yù)測未來軌跡，并生成可執(zhí)行動作，為復(fù)雜任務(wù)提供穩(wěn)定支撐。

針對真實環(huán)境中的未知挑戰(zhàn)，Act2Goal設(shè)計了在線自我提升機(jī)制。通過回顧性經(jīng)驗重放技術(shù)，機(jī)器人自動收集執(zhí)行過程中的狀態(tài)、動作和結(jié)果數(shù)據(jù)，并將軌跡重新標(biāo)注為新目標(biāo)示例存入緩沖區(qū)。系統(tǒng)僅更新新增的LoRA層參數(shù)，保持基礎(chǔ)模型凍結(jié)，這種輕量化微調(diào)方式使機(jī)器人能快速適應(yīng)新任務(wù)，在未見過的環(huán)境中保持穩(wěn)定操作。

部署Act2Goal的G01機(jī)器人在多項域外任務(wù)中表現(xiàn)優(yōu)異，包括繪制未見過的圖案等復(fù)雜操作。該算法通過顯式建模目標(biāo)演化過程，為機(jī)器人操作提供了全新范式，其“先理解世界變化再決策行動”的思路，為開發(fā)更通用、可靠的機(jī)器人系統(tǒng)奠定了重要基礎(chǔ)。