air-embodied-brain/Zetta-Embodiment

解决的问题

Zetta 旨在通过允许机器人自我进化恢复失败的能力，来提高具身 AI（机器人）的成功率。与重新训练庞大的基础策略不同，Zetta 在线进化基于代码的「批评者」和恢复技能，以应对特定的失败模式，显著提升了在 LIBERO-Pro 和 RoboCasa 等基准测试中的成功率，同时保持了高推理速度。

工作原理

Zetta 使用闭合回路的「进化协议」来迭代提升机器人性能：

1. 失败聚类：利用视频和遥测数据对失败轨迹进行分组，识别常见的失败模式。
2. 因果诊断：诊断阶段解释失败背后的因果机制。
3. 候选生成：一个「候选生成器」创建一个包含「批评者」（用于检测失败）和「恢复执行者」（用于修复失败）的组合包。
4. 验证：新恢复技能通过「影子回放」和「同种子门控」进行测试，通过后才被提升为最终验证技能集。
5. 执行：运行时，基础策略保持冻结，但进化后的批评者可提出恢复动作，由高层决策机构（Role1）决定接受或拒绝。

适用对象

本项目适用于从事具身智能、机器人操作和视觉-语言-动作（VLA）模型的研究人员和开发者，希望在不承担完整模型微调计算成本的前提下实现自我纠正行为。

亮点

• 高性能：在 LIBERO-Pro（90.8%）和 RoboCasa（93.6%）上达到最先进成功率。
• 高效性：相比传统方法，推理速度提升 11.1 倍。
• 广泛环境支持：可集成至 LIBERO、RoboCasa 和 RoboTwin。
• 模块化架构：将滚动运行时（推理/仿真）与进化逻辑（诊断/恢复生成）分离。