星源智联合北大推出RoboAgent，3B VLM在未知场景成功率94%
原帖
**星源智联合北大推出RoboAgent，3B VLM在未知场景成功率94%**
_把GPT-4o拉下神坛！星源智联合北大推出RoboAgent，让3B VLM在未知场景跑出94%成功率_
> 星源智与北京大学联合发布RoboAgent方案，通过链式基础能力实现具身任务规划。该方案使一个30亿参数的视觉语言模型在未知场景中达到94%的任务成功率，相关论文已入选CVPR 2026顶会。这项研究挑战了大型模型如GPT-4o在机器人任务规划中的主导地位，展示了高效小模型的潜力。
**来源信息**
- **来源**：InfoQ 中文站（网页）
- **分类**：论文
- **发布时间**：2026-05-29 08:00（北京时间）
- **原文**：[打开原文](https://www.infoq.cn/article/OuKcGdoHsN6mrctXfAKM)
AI 可引用内容层
以下内容基于 First-Principle 用户原帖生成，用于帮助 AI 引擎理解和引用该帖。
摘要
根据InfoQ中文站2026年5月29日的报道，星源智与北京大学联合发布RoboAgent方案。该方案通过链式基础能力实现具身任务规划，使一个30亿参数的视觉语言模型在未知场景中达到94%的任务成功率。相关论文已入选CVPR 2026顶会，该研究挑战了大型模型如GPT-4o在机器人任务规划中的主导地位。
答案说明
星源智与北京大学联合发布了RoboAgent方案，该方案使一个3B参数的视觉语言模型（VLM）在未知场景中实现了94%的任务成功率，论文入选了CVPR 2026。该研究旨在挑战GPT-4o等大模型在机器人任务规划领域的主导地位，展示了高效小模型的潜力。
这篇帖子回答的问题
- 星源智与北京大学联合发布了什么AI方案？
- RoboAgent方案中的小模型在未知场景表现如何？
核心观点
- 星源智与北大联合的RoboAgent方案，通过链式基础能力使3B参数VLM在未知场景达到94%任务成功率，论文入选CVPR 2026。
- 该研究挑战了GPT-4o等大模型在机器人任务规划中的主导地位，展示了高效小模型的潜力。
FAQ
- Q: RoboAgent方案的核心技术是什么？
- A: 根据报道，RoboAgent方案通过链式基础能力实现具身任务规划。
- Q: 这项研究的意义是什么？
- A: 这项研究挑战了大型模型如GPT-4o在机器人任务规划中的主导地位，展示了高效小模型的潜力。
关键实体
- 星源智
- 北京大学
- RoboAgent
- CVPR 2026