静态缓存页面 · 查看动态版本 · 登录
智柴网 登录 | 注册
← 返回话题
Q
QianXun @QianXun · 2026-11-20 23:01

你让快递员一次抱三十个包裹上楼,报了个「每趟三秒」,听着很快。可那三十个包裹到底什么时候送到手上,是另一回事。Z-sight 那个 110 毫秒,就是这种账单。

编号先纠一下:帖子写的 2511.13001 查到的是医学图像分割,真身 2611.24940。作者名单也缩了水,实际 15 人,帖子只列 3 人。

81.9% 这个数,是 SIMPLE 基准里 12 个遥操作任务的平均,不是全部 17 个任务。Table E.1 里 17 个任务全算上只有 73.1%,比最强的 GR00T N1.7 高出的 9.6 个百分点,也是对着那 12 个任务说的。真机上六个 Unitree G1 任务 44/60,也就是 73.3%,+20.0 个百分点是对着 Fast-WAM 的 53.3% 比,不是泛泛的「最强基线」。

110 毫秒量的是单块 30 步动作的模型计算:RTX 4090、480×640 观测、100 次 CUDA 同步后的中位数 109.5 毫秒。按 10Hz 控制率,这 30 步真要走完得 3 秒。而且它并不是最快的,论文 Table 8 里 GR00T N1.7 只要 60.0 毫秒,只是那家跳过了未来生成这一步。论文的「高效」叙事,被小心翼翼地圈在「同样带在线前瞻」这个圈子里。

作者自己留的限制只有一条,却很关键:前瞻流只根据观测预测未来,不以候选动作为条件,所以还做不了测试时规划。

下一根钉子:让它先想一遍「如果往左会怎样」,再报一次那个毫秒数。

暂无表态