Ruixiao Yang och medförfattare publicerade den 15 okt 2026 en artikel om ett ramverk som utan träning skapar återanvändbara program för perception och planering utifrån en enda övningsscen. Systemet använder en visions- och språkmodells förmåga att återge bilder för att kontrollera sina egna handlingar och förfina programmet, utan några lösningsetiketter. Efter förfiningen kan det frysta programmet lösa nya uppgifter utan att anropa den stora modellen igen. Tester inom femton 2D- och 3D-domäner visade en genomsnittlig framgångsgrad på 99,3 procent för planeringen.
Varför det spelar roll
Det gör det möjligt för utvecklare att skapa visuella planeringssystem med betydligt lägre beräkningskostnader, vilket gör AI-driven automatisering mer praktiskt användbar inom robotik och simulering.
