收藏

邀
请
朋
友
一
起
学

HumanCLAW：视觉语言模型能否通过身体去行动？

主讲人：李思尧 | 南洋理工大学博士

开课时间

2026.09.22 19:55
课程时长

90分钟
学习人数

589人次学习

立即学习

"> 添加助教，领取课件

立即学习

HumanCLAW：视觉语言模型能否通过身体去行动？

当低层控制器已能可靠地维持平衡与执行动作，前沿的视觉语言模型（VLM）是否真的知道身体下一步该做什么？

本次公开课将介绍HumanCLAW——一个把「高层行动决策」从「低层运动控制」中干净剥离、同时保留碰撞/接触/重力真实后果的评测框架。它让冻结的现成VLM每0.5秒只发出一个原子全身技能，由运动生成器 + 半物理(Half-Physics)执行：身体不会摔倒，但世界照常运行。在41个室内场景、1218个「寻找—导航—交互」任务上，九个前沿VLM无一攻克，最强模型完整交互成功率仅16.8%。我们将拆解方法设计，并分享VLM在闭环具身决策中暴露的系统性短板与改进方向。

课程介绍
课件领取
相关课程

直播精华文稿暂未上传

点击领取完整课件

关于我们版权声明联系电话：010-86226736

服务协议反馈建议联系邮箱：hezuo@shenlanxueyuan.com

友情链接：

在线咨询

常见问题

证书查询

返回顶部