92.5%：密歇根研究者用新组件PRISM提升模拟人形机器人行走表现
神经网络中的一个组件学习传感器读数、动作与指令如何相互作用，提高了行走和抓取任务的成功率。
密歇根大学的研究者给机器人的“大脑”加了一个新部件，帮它理解感知到的东西和自己动作之间的关系。测试中它走路和抓东西更成功了。这还是研究，不是产品。
92.5%模拟行走成功率
炒作检查
炒作4
实际1
声势大过实际。真正的变化要小得多。
这是我们基于下方来源给出的编辑观点。 我们如何评分
你的看法：炒作还是实际？
实际 = 在日常使用中真的有影响。炒作 = 声势比实际更大。只能投一票，且不能更改。
我们的看法和读者的看法都是观点，不是对产品的事实陈述。
为什么重要
机器人学习无需更换传感器或目标就能改进，但这仍是研究，不是产品。
适合大多数人
关注：机器人会更稳，但多半还要几年。
细节
- PRISM由密歇根大学开发，第一作者为Seung Hyun Lee，资深作者为Stella Yu教授。
- 在模拟人形机器人中，92.5%的24秒试验没有摔倒，传统网络为51%。
- 在真实的SO-101机械臂上，拿起胶带在50次尝试中成功94%，传统方法为68%。
- 在故意掉落后的方块堆叠任务中，成功率为52.3%，对比40.9%。
- 论文已在CoRL 2026上发表；多数测试在模拟中进行，尚无公布的商业化计划。
来源
一家可信媒体报道，尚未确认。 打开来源，核查我们。
在 AI 工具的帮助下撰写，并对照上方来源核实。 我们如何工作
发现错误？告诉我们，我们会修正。
