告别VLA“有手无脑”：ManiAgent如何用多智能体协作重构机器人操控
不仅在 SimplerEnv 上实现 86.8% 的高成功率，更证明了在缺乏大规模机器人数据的情况下，利用现有的通用大模型（GPT-4o、GPT-5、Claude-3.5 等）的推理能力，可以驱动机器人完成高难度的物理任务。在真实世界的测试中，作者团队设计了 8 个涵盖不同难度的任务，包括模糊指令推理（“我想写东西” -> “把桌子上的笔放到人手上”）、相对位置感知（“把中间的辣椒放盘子里”）以及长序列规划。ManiAgent 最大的贡献可能不仅仅是一个高性能的操控框架，而是一个高效的自动化数据工厂。
