组装挑战NIST组装任务板#1，显示完全组装的状态。NIST板上有二十个组装任务，零件小至4毫米。安装一个零件可能需要多次改变抓取方式和方向。紧固的间隙几乎没有误差的余地：一个倾斜的螺母可能会卡住或交叉线程。面对多个零件，机器人还必须选择顺序。已经安装的组件可能会阻碍夹爪的下一步移动。机器人可以具有创造力——如果我们给它留下空间。试图规定每一个动作意味着要预测机器人应该如何应对接触和阻碍的变化。一个双指夹爪可能还需要与人手自然解决方案截然不同的解决方案。也许答案是停止告诉机器人我们认为任务应该如何完成，而是让它学习如何完成。我们为成功的二元任务给予奖励，并通过大量多样的经验进行训练。这给机器人留下了发现我们可能从未想到教授的解决方案的空间。 经验多样性：异质资产和初始状态 一个策略基于二十个异质组装进行训练，从松散零件、手中抓取和在仿真中缓存的部分组装开始。接近完成的启动让机器人在能够解决整个任务之前练习完成一个组装。缓存提供起始状态，而不是演示。 多样培训起始状态的示例 成功导向采样 Beta采样偏好政策能够解决大约一半时间的起始状态，同时给每个状态一个机会。在一个状态上的进展可能使另一个可解；然后根据新的结果，其采样权重发生变化。随着策略学习，起始状态接受不同数量的练习。 SGS项目 ↗ 单组件组装实验 一个策略执行所有二十个组装任务，每次运行有一个组件需要组装。 新兴组装行为 引用 @misc{zhang2026alphanistemergentassemblyskills, title={AlphaNIST: Emergent Assembly Skills from Binary Task Rewards}, author={Octi Zhang and Iretiayo Akinola and Rosario Scalise and Mateo Guaman Castro and Patrick Yin and Tobias Widmer and Miles Macklin and Chris Amevor and Dylan Turpin and Dirk Van Gelder and Jan Carius and Ankur Handa and Gavriel State and Yunrong Guo and Yashraj Narang}, year={2026}, eprint={2610.13354}, archivePrefix={arXiv}, primaryClass={cs.AI}, url={https://arxiv.org/abs/2610.13354}, }