清華提出 ParallelWorld，具身任務成功率從 56% 提至 83%
清華大學與新加坡國立大學提出 ParallelWorld，讓具身智慧體在高層規劃中先預演多條候選動作的未來，把任務成功率從 56% 提升至 83%。系統會推演各分支後續觀察、剪去較差路徑，選定軌跡後只執行第一個動作再依新觀察重新規劃；在 ESI-Bench 的 28 個子任務中 26 項超過順序式主動探索，LIBERO-Pro 八個操作設定全部超過直接基線，Spatial 位置交換提升 27 個百分點。
把測試時計算具體落到具身高層規劃的行動預演上，並給出 56%→83%、八項設定全勝與 5.8 倍耗時等量化結果，對做具身智慧與 agent 規劃的人有參考價值。
原標題：先在平行世界里试一试，机器人再动手：清华提出ParallelWorld
閱讀原文
| 評分 | 75 / 76（平均 75，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
清華等推出 OSWorld-Science，12 個模型平均得分 34.3%
清華大學牽頭聯合多所高校推出 OSWorld-Science 科研智慧體評測基準，含 146 項專家任務、覆蓋 7 大科學領域與 14 種科研軟體配置，12 個視覺語言模型平均任務得分僅 34.3%。Claude Fable 5.1 以 73.7% 領先，Claude Opus 5、GPT-6 Astra、GPT-5.6 sol 分別為 57.9%、57.4% 和 50.1%，但化學類任務中僅少數模型超過 20%。
清華髮布 HandsOn 靈巧手基準：66 項任務，最佳策略成功率 29.1%
清華大學丁寧團隊聯合北郵、北大等發布靈巧操作模擬評測基準 HandsOn，包含 66 項人工驗證任務、1.8 萬條人類遙操作示範，支援 5 種機械臂、6 種靈巧手和約 200 種物體資產。在有示範的 Core-50 上，9 種受訓方法中最佳多工策略 OpenWAM 平均成功率僅 29.1%；在無目標任務示範的 Transfer-16 上，8 種多工策略成功率均低於 1%。
RoboCoach 用世界模型定位薄弱子任務，Franka 真機成功率從 13.3% 升至 75%
RoboCoach 在固定人類示範預算下經過三輪定向補教，把 Franka 長程任務成功率從 13.3% 提升到 75.0%，AgileX 從 40.0% 提升到 83.8%；同樣預算的均勻採集基線只達到 30.0% 與 47.5%。它用基於 Wan2.2 TI2V-5B、約 500 小時互動資料訓練的世界模型 CoachWorld 讓當前策略閉環試跑，由進度判別器找出首個超時子任務，再據此定向示教，並且只更新對應技能的 LoRA 專家。
清華開源智慧體作業系統 PilotDeck 2.0，任務成本降 83%
清華大學 THUNLP 實驗室聯合面壁智慧、OpenBMB 等團隊開源智慧體作業系統 PilotDeck 2.0，用 WorkSpace 工作艙隔離各專案的檔案、記憶與任務，記憶白盒化可檢視、修改、刪除，並支援後臺常駐執行長任務。其 Smart Routing 按任務難度分發模型：實測主 Sonnet 4.6 加子 MiniMax-M2.7 得 70.6 分、成本 3.15 美元，單體 Sonnet 4.6 為 69.1 分、18.36 美元，約省六分之五。
混元與復旦發布 ExplorationBench，評測 AI 自主探索能力
復旦大學、騰訊混元與清華大學聯合發布 ExplorationBench，用兩套規則被改寫的「異星世界」AlienCode 和 AlienLogic，評測 AI 能否通過自主實驗發現規則。10 個前沿系統讀完範例後，在 AlienCode 上最高僅 15.7%，四輪探索後最好軌跡達 89.0%；若只讓模型多想、不給環境反饋，最高只有 11.0%。GPT-5.6 Sol 自主探索拿到 88.1%，而事先直接告知全部規則反而只有 69.5%，說明探索過程同時提升了規則的使用能力。