浙大阿里等提出Embodied-Reasoner：图像-思考-行动交织思维链让机器人会思考会和交互

文章预览

文章转载自公众号：机器之心。 本文只做学术/技术分享，如有侵权，联系删文。 OpenAI 的 o1 系列模型、Deepseek-R1 带起了推理模型的研究热潮，但这些推理模型大多关注数学、代码等专业领域。如何将这种深度推理模型扩展到智能体和具身领域，让机器人通过思考和推理来完成复杂具身交互等任务？ 近期，来自浙江大学、中科院软件所和阿里巴巴的团队提出了  Embodied-Reasoner ，让机器人或智能体拥有深度思考和交互决策能力，从而在真实物理世界完成环境探索、隐藏物体搜索、交互和搬运等长序列复杂任务。 可以想象，未来某一天，机器人能够帮你在房间里找钥匙、信用卡等容易遗忘的小物件。它可以观察房间、分析和思考，然后一步一步地搜索，最后帮你找到它们。 论文标题：Embodied-Reasoner: Synergizing Visual Search, Reasoning, and Action for Embodied Interact ………………………………