远超 GPT-4o！Physical Intelligence 推出 Hi Robot，通过“自言自语”学会人类思维

本文介绍了美国具身智能初创公司Physical Intelligence推出的“分层交互式机器人”（Hi Robot）系统，该系统通过“自言自语”的方式，利用系统2思维进行复杂任务的推理和执行。Hi Robot结合了视觉-语言-行动（VLA）模型和高层次语义视觉-语言模型（VLM），能够将复杂任务拆解成易于执行的中间步骤，并通过实时上下文反馈进行调整。研究表明，Hi Robot在指令跟随准确率上比GPT-4o高出40%，在处理多阶段指令和适应实时修正方面表现出色。该系统的最终目标是赋予机器人类似于人类的推理能力，使其在开放世界环境中提供更加自然的帮助。