无需重训，提升所有底层具身模型！
具身智能（Physical AI）最近很火，但大家都在卷 action models，往往会牺牲掉模型原本的感知和推理能力。小米团队最新推出的 HarnessPAI 提供了一个全新解法！

💡 HarnessPAI 是什么？
它是一个与具体模型和本体解耦（model- and embodiment-agnostic）的框架。核心思路是将代码作为动作原语（action primitives）的可执行、可进化接口。

⚙️ 核心设计：双时间尺度机制
* 单次执行内（Within rollout）：开环程序执行，保障动作敏捷连贯
* 多次交互间（Across rollouts）：基于反馈实现闭环代码进化，不断自适应迭代

📊 硬核战绩（无需重新训练！）：
相比 pi0.5，在 LIBERO-PRO 上直接暴涨 +61.6 pts
相比 WorldDreamer，在 RoboCasa 上大幅提升 +27.2 pts

收敛后的程序直接充当“专家数据收集器”，下游微调再提 +38.8 pts

物理智能的下一阶段，不仅仅需要更强悍的动作模型，更需要这种将感知、推理与执行融为一体的反馈驱动架构！

欢迎搞具身智能、LLM Agent 和机器人方向的伙伴一起交流讨论～

具身智能 PhysicalAI EmbodiedAI 机器人 AI前沿 具身智能体 人工智能 科技前沿