FastHarness：自适应监督提高机器人系统效率和成功率

别每步都叫审阅模型：上交 Bo Zhao 等 FastHarness，token −57.2%、成功率 80→97.19%

Edge-TTS 广播级有声·🎙 主播：云希 (沉稳新闻联播腔)

全员无门槛畅听

点击合成广播级音频

00:00

AI 导读

经验驱动审阅调度可大幅降 token 且抬成功率。

推荐理由

FastHarness 通过自适应监督提高了机器人系统的效率和成功率，为高效智能体机器人提供了新的思路。

一手信源

学术论文·arXiv:2610.31427

FastHarness (arXiv:2610.31427)

“View PDF HTML (experimental) Abstract: Agentic robot systems combine language-model reasoning with robot policies to monitor execution and r”

正文 · AI 翻译

查看PDF HTML（实验性）

摘要：智能机器人系统结合语言模型推理和机器人策略来监控执行并从故障中恢复。然而，即使是在熟悉的情况下，审查每个动作块也会产生大量的开销。我们引入了FastHarness，这是一个经验驱动的执行工具，它可以自适应地安排GPT-6 Astra对{\pi}0.5策略的监督。快速路径使用阶段记忆和已审查的结果来减少审查频率，随着经验的积累，而互补的恢复路径则专注于纠正错误。一旦恢复得到验证，常规执行将重新开始，保留失败经验以指导未来的干预。策略保持冻结状态，并从当前观察中生成新的动作。在四个模拟操作任务中，从第一个评估剧集到最终五剧集的平均值，每个任务中审查令牌的使用量平均降低了57.2%。在同一时间段内，平均剧集时间从85.5分钟减少到52.0分钟。在相同的任务中，平均成功率从GPT-as-Policy ({\pi}0.5 + GPT-6 Astra) 的80%增加到FastHarness的97.19%。这些结果突出了自适应监督作为实现更高效智能机器人的一条实用途径，而无需额外的模型训练。

评论：	Github:此https URL
主题：	机器人学（cs.RO）
引用方式：	arXiv:2610.31427 [cs.RO]
	（或 arXiv:2610.31427v1 [cs.RO]为此版本）
	https://doi.org/10.48550/arXiv.2610.31427 通过DataCite发布的arXiv DOI（待注册）

投稿历史

来自：Tao Lin [查看电子邮件]
[v1] 周四，22 Oct 2026 15:27:10 UTC (4,363 KB)

关联产品与深度拆解

原创·站长/Quantara 团队·约 3 分钟深度解析

Cursor Agent 架构全景拆解：从影子工作区到多文件推演引擎

全面剖析 Cursor 在 Agent 模式下的底层技术实现，解析影子分支隔离、LSP 上下文剪枝以及预测性补全的核心架构细节与工程实践经验。

深入理解底层架构与行业变量阅读拆解 →

精选·Vercel Changelog·约 1 分钟深度解析

Vercel v0 推出全新多 Agent 协作画布与实时全栈部署预览

动态速评：v0 正在从单一组件生成器演进为全栈应用搭建协作台，尤其是与 Neon/Postgres 的直连极大降低了全栈原型验证成本。