研究人员推出了“动作条件潜在前瞻”（action-conditioned latent foresight）系统，让人形机器人在执行前为拟议的移动与手部指令序列打分。系统会预测这套指令能否推动任务接近目标，随后执行得分最高序列中的一部分，并根据新的观测结果重新规划。
在研究人员的测试中，在标准条件下，该系统完成七项真实机器人任务的成功率为85.7%，高于GR00T N1.7的70.0%。面对未见过的物体摆放方式时，成功率降至65.7%；GR00T N1.7的成功率则为48.6%。
为什么重要
对于测试人形机器人任务表现的研究人员来说，这些结果表明，预演指令序列或许能带来帮助；但系统在不熟悉的环境中得分较低，也说明其表现仍容易受到物体摆放方式的影响。
