卓世科技 AI 研究院 Zoellent AI Lab 正式对外发布并开源 GR-SAC(Gated Residual Soft Actor-Critic)强化学习技术,在面向记忆增强机器人操控的国际评测 RoboMME 的 Standard Track 赛道拿到榜单第一,这套方案采用冻结 VLA 基座模型、叠加轻量化残差控制器的思路,新增参数占比仅仅 0.0041%,在整套 16 项任务、合计 800 轮测试里,对比原始 SimpleMemVLA 基线,任务相对失败率下降 5.32%,精细插销 InsertPeg 任务成功率从 46% 提升至 52%,方块复刻 MoveCube 任务成功率从 94% 拉满到 100%,同时团队同步放出完整代码、参考权重、训练脚本和技术报告,方便行业研究者复现、二次开发,给长时序记忆型机器人操作任务提供轻量化纠偏新思路。
技术与评测基础信息
| 项目 | 详情 |
|---|---|
| 方案名称 | GR-SAC(Gated Residual Soft Actor-Critic) |
| 研发主体 | 卓世科技 AI 研究院 Zoellent AI Lab |
| 评测榜单 | RoboMME Standard Track(开源模型赛道) |
| 基座模型 | SimpleMemVLA(全程冻结,不做基座重训) |
| 新增参数量 | 仅占原模型推理参数 0.0041% |
| 测试规模 | 16 项任务,800 个测试 Episode |
| 核心指标 | 相对失败率下降 5.32% |
| 开源内容 | 代码、参考控制器权重、训练评测脚本、技术报告 |
| 榜单区分 | Standard 赛道限定开源基座;Agentic 赛道为专有大模型方案 |
RoboMME 四大任务套件说明
RoboMME 是专门测试机器人记忆能力的具身智能基准,分成四类记忆任务,一共 16 个子任务:
- Counting 时序记忆:要求机器人记住操作次数,完成计数类操控
- Permanence 空间记忆:物体被遮挡、位置交换之后,持续追踪物体位置
- Reference 对象记忆:根据前期提示,后续精准找到、操作指定目标物体
- Imitation 程序记忆:复现演示视频里的操作轨迹,代表精细操作能力,包含 InsertPeg、MoveCube
GR-SAC 运行流程清单
- 冻结原有 VLA 基座,由基座读取画面、理解任务、输出基础动作指令
- GR-SAC 同步接收前视相机、腕部相机、机械臂关节状态、待执行动作信息
- 门控残差控制器学习微小动作修正量,对基座下发的指令做实时微调
- 执行后采集任务成功 / 失败反馈,送入 SAC 强化学习模块持续迭代控制器
- 迭代后的轻量化控制器可以直接挂载到其他冻结 VLA 模型上,快速提升操作稳定性
方案优势和现存局限
✅ 优势
- 基座大模型不用重新训练,算力消耗很低,适配低成本、端侧部署
- 参数增量极小,几乎不会带来推理延迟暴涨,落地兼容性强
- 专门解决长时序、依赖记忆的机器人操作失败问题,针对 RoboMME 记忆类任务优化
- 完整开源,社区可以直接复现实验,也能移植到自家 VLA 机器人方案上
- 仅在 RoboMME 仿真桌面对标测试,真实物理机器人场景还需要额外适配调参
- 它属于动作纠偏插件,不能替代 VLA 基座本身的任务理解能力,基座本身理解出错时无法修复
- 只在 Standard 开源赛道登顶,榜单上部分 Agentic 赛道专有模型总分更高,二者赛道规则不一样,不能直接横向对比
- 目前优化重心是桌面抓取、复刻类任务,没有覆盖移动导航、多机器人协同场景
⚠️ 局限
后续跟踪方向
- 关注开发者社区基于 GR-SAC 在真实机械臂、灵巧手上的复现结果
- 跟踪团队是否推出适配更多 VLA 基座版本,拓展到更多机器人任务
- 留意 RoboMME 榜单后续更新,观察其他团队跟进后的排名变化
- 区分仿真评测成绩和实体机器人项目落地效果,仿真高分不等于真机稳定可用
【相关 FAQ】
问题 1:卓世科技开源 GR-SAC 强化学习技术斩获 RoboMME Standard Track SOTA,GR-SAC 是什么技术思路?
回答 1:卓世科技开源 GR-SAC 强化学习技术斩获 RoboMME Standard Track SOTA,GR-SAC 不重新训练 VLA 基座,冻结原有视觉语言动作模型,增加一个轻量化门控残差强化学习控制器,实时微调动作指令,提升机器人记忆操作任务成功率。
问题 2:卓世科技 GR-SAC 拿下 RoboMME Standard Track SOTA,RoboMME 这个评测是测机器人什么能力?
回答 2:卓世科技 GR-SAC 拿下 RoboMME Standard Track SOTA,RoboMME 专门评估机器人的记忆操控能力,包含时序、空间、目标对象、动作复刻四类记忆,都是需要记住历史信息的长 horizon 桌面操作任务。
问题 3:卓世科技开源 GR-SAC 强化学习技术,这次开源都放出了哪些内容?
回答 3:卓世科技开源 GR-SAC 强化学习技术,对外公开完整代码、控制器参考权重、训练与评测脚本,还有配套技术报告,研究者可以复现 RoboMME 上的实验结果。
问题 4:卓世科技 GR-SAC 在 RoboMME Standard Track 拿到 SOTA,是不是代表它比榜单里所有模型都更强?
回答 4:卓世科技 GR-SAC 在 RoboMME Standard Track 拿到 SOTA,Standard 赛道仅限开源基座方案;榜单还有 Agentic 赛道,采用闭源专有大模型,属于两条独立赛道,不能直接拿来对比强弱。
【参考资料】
[2026-11-20](卓世科技开源 GR-SAC 强化学习技术斩获 RoboMME Standard Track SOTA!)新浪新闻
[2026-11-20](卓世科技 GR-SAC 登顶 RoboMME 开源赛道,轻量化残差强化学习方案开源)中华网科技
[2026-11-20](卓世 AI 研究院 GR-SAC:冻结基座 + 残差纠偏提升记忆机器人成功率)砍柴网
[2026-03-10](RoboMME:面向记忆增强机器人策略的评测基准)arXiv
【免责声明】
本文仅为卓世科技 GR-SAC 开源与 RoboMME 评测公开资讯整理,该 SOTA 成绩基于 RoboMME 仿真环境 Standard 赛道规则;仿真测试效果和实体机械臂真机落地效果存在差距,该方案属于动作纠偏插件,无法解决基座模型的理解类错误,本文不构成机器人项目选型、采购建议。
