**将 VLM 智能迁移到机器人控制：RoboDawn 零样本即超越专用策略**

_Transferring the Intelligence of VLMs to Robotic Control_

> 论文探讨视觉语言模型（VLM）的智能能否从数字世界泛化到物理世界以驱动机器人控制。作者提出 RoboDawn：一个人类直观的接口，用紧凑的离散平移、旋转和夹爪命令把机器人控制暴露给智能体式 VLM。VLM 以闭环方式工作——观察当前视觉状态、推理下一步动作、执行，并根据新状态调整后续决策；同时引入上下文学习（ICL）方案，用少量示例让模型掌握接口用法与任务策略。在 RoboTwin 2.0 C2R 与 RoboDojo 上，无需任务特定的机器人训练即表现强劲：零样本下超过多个用基准专用数据训练的强策略，仅加一个上下文示例便进一步提升并达到 SOTA。RoboTwin 2.0 C2R 成功率从零样本 53.2% 升至单样本 73.6%，超过基线 π0.5 的 46.0%；RoboDojo 从 35.67% 升至 47.17%。该框架还迁移到真实机器人，在 Franka 上完成积木入筐与积木堆叠。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-22 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.22966)