以色列的 Mentee Robotics 展示了一個物流工作流程：兩個 MenteeBot V3 人形機器人自主工作，進行物品的拾取和放置。 模組化代理系統是首選，因為它在現實世界的穩健性和較低的計算需求上優於端到端的 VLA 模型。其架構由三個組件組成： - LLM 計劃者：將指令轉換為可執行的機器人 API 語言代碼，以實現可靠的任務分解和錯誤處理。 - 感知堆疊：使用預訓練模型（NeRF/3DGS，精煉視覺）進行場景理解和導航。 - 控制策略：強化學習（RL）模型，通過 Sim2Real 大規模訓練，生成馬達指令，實現高精度的移動操作。 關鍵是，機器人能在幾小時內從單一示範中學習新任務。物體追蹤使用 3D 幾何（STL/URDF）在視頻中進行追蹤，以定義 RL 獎勵函數。 訓練使用「自動課程學習」進行優化，該系統根據機器人的表現自動調整任務難度，消除了手動工程的需求。所有計算均在機器人上進行。

MenteeBot V3 硬體規格