苹果AMP1论文：大模型直接操控机械臂，成功率96.3%

桌上摆着一只芥末瓶，机械臂探过去，没够着。按以往的惯例，这就算任务失败，或者该叫人上手了。

可这回它没停下来。

它左右扫了一圈，抄起一把木勺，把芥末瓶拨倒，再换个角度抓住瓶盖，搁进碗里。这段过程被苹果 11 月 6 日发布的机器人操控论文 AMP1（Agentic Manipulation Policies 1）记录在案。提示词里没人教过它借工具，也没有谁给它写过对应的子程序。

拍照、写 Python、算末端轨迹、执行、复查，整条链路只有一个通用大模型在管。

论文传送🚪：https://arxiv.org/abs/2611.09892

相似的场面还有不少：目标被挡住，它会主动挪开挡路的东西再重新扫视；石榴太宽，标准平行夹爪夹不住，它就把石榴顶在重物上固定，再用夹爪从底下兜起来，像铲车那样；真机上动作偏了，它拿图像和指令位置比对，判断出是相机标定误差，自己改完参数接着干；一盘国际象棋下完，它把棋子放回对应抽屉关好。

AMP1 走的路子，跟近两年机器人领域的主流并不一样。视觉-语言-动作模型（VLA）和世界动作模型（WAM）讲究数据驱动：拿大量机器人示教录像训一个专用策略，把观察直接映射成动作。AMP1 则让通用大模型实时看图、写代码、下发轨迹，每回都从零起步，既不靠预设技能，也不用专项训练数据。

论文把这类方案统一叫作「Agentic Manipulation Policies」。

RoboLab-120 仿真基准的 120 个任务里，Gemini 4 Argon 配 AMP1 框架成功率 85.6%，搭 Claude Opus 5.5 时是 82.8%；彼时排行榜上最强的 VLA 和 WAM 分别只有 49.2% 和 42.9%。

真机测试用的是 Franka 机械臂，12 个任务、共 108 次试验。AMP1 打开错误恢复功能后成功 104 次，成功率 96.3%；不开时成功 94 次，对应 87.0%。对比组里，FLUX 3 Action 成功率 45.4%，π0.5 为 27.8%。

大模型坐进驾驶舱

AMP1 的基本架构四个词就能说清：观察、推理、执行、复查。每一轮，模型从三个摄像头读图像，拿到深度信息和相机标定参数，接着写 Python 代码算出末端执行器的运动轨迹，先预览确认够得着，再下发给机械臂，动作做完再拍一张照，据此决定下一步。

论文统计了 AMP1 在仿真任务里反复摸索出来的基本动作模式：约 61% 的任务里它会先用点云对齐抓握轴，66% 的任务会先量容器尺寸，40% 的任务在动作被系统拒绝后会自己修计划，39% 的任务在动作失败后先查原因再重新规划。

同一套框架下，各模型在仿真基准上的差距不小。Opus 5.5 成功率 82.8%，Haiku 5.5 是 51.6%，更旧的 Opus 4.5 只有 35.2%。从感知上看，把深度信息拿掉，Opus 5.5 的成功率几乎没动，只从 82.8% 降到 81.1%。代价是它得更费劲地「想」——每个任务平均调用模型的次数从 34.8 次涨到 46.3 次。

弱模型就撑不住了。去掉深度和标定信息，Haiku 5.5 的成功率从 51.6% 直落到 10.7%。多给它推理算力也没用。

论文还试了拿文字描述代替图像，结论和此前部分工作的建议相反：Opus 5.5 只收到文字描述时，成功率差不多减半。夹爪与物体之间的几何对齐细节，光靠语言很难说准。

给 AMP1 加上跨回合持久记忆后，双臂操控基准 RoboDojo 上的变化更扎眼。零样本成功率从 26.4% 升到 84.1%，超过当时排行榜首位的 68.9%。

连续学习实验里，42 个任务按随机顺序各走一遍，整体成功率从 26.4% 升到 57.6%。更早任务攒下的经验，对后面没见过的任务也有迁移效果。

AMP1 也让人想到 VIA（Visual Interface Agent）和 CaP-X（Code-as-Policy）。VIA 想绕开传统机器人必须靠大量动作数据训练的路线，让 Claude Code、Codex 这类 AI Agent 直接操纵现实中的机器人。CaP-X 则探索了用 Gemini-3-Pro 和 Claude Opus 4.5 完成长程操控任务，同样不需要后训练。

图源：VIA: Visual Interface Agent for Robot Control https://via.hengyuanhu.com/?utm_source=chatgpt.com

国内不少从业者都聊过，机器人示教数据采集贵、泛化差，这个老毛病一直没消。AMP1 在某种程度上，就是绕开这道坎的一条路子。

慢，算不算大问题

真机测试给出的数字是：AMP1 成功完成一次任务平均要 280 秒，推理就占掉约 211 秒。作为对照，FLUX 3 Action 平均 44 秒，π0.5 是 62 秒。

也就是说，机械臂大半时间都在等模型“想”。另外，AMP1 现在还做不到在轨迹执行到一半时重新决策。论文里的测试场景基本是准静态的——物体不动，也不需要毫秒级响应。

时间敏感的任务，眼下它还接不了。

论文列了几条提速思路：把每次任务写好的代码存下来，下次直接复用；把快速反馈控制器放到本地跑，少调云端模型；当前轨迹还在执行时，就把下一段规划好；再用 AMP 产出的运动数据蒸馏出更小的本地模型。记忆实验的结果也支持这个方向。

过去几年，同等能力水平的推理成本大约每年降一个数量级。这个趋势要是延续下去，今天的速度短板会随着时间被慢慢磨平。

放到行业里看，AMP1 的意义或许在于挪动了竞争的位置：机器人制造商不必自己开发通用认知模型，直接买别家的模型能力来部署就行。

11 月 4 日，苹果研究团队同期提交了人形机器人论文 HALO，部署在宇树 G1 上，在 6 个未预先扫描的真实房间做了 360 次单任务测试，平均成功率超 90%。规划模型跑在机器人背上的 Mac mini M4 Pro 里，调用的是千问系列模型，同样不是苹果自家模型。

图源：Perceptive Humanoid Motion from Simulation https://arxiv.org/html/2611.06908

两天之后，AMP1 出现。两篇论文摆在一起看，苹果是在把机器人从硬件设计往软件能力上推，而且不打算靠自己的模型。Mark Gurman 此前报道过，苹果正在研发带机械臂的桌面设备；台灯机器人的原型视频也早就公开了。

台灯机器人

对硬件厂商来说，机器人软件的研发门槛可能降低，应用场景可能变多，潜在客户也会增加。可反过来，大家用的通用模型都差不多时，机器人之间的差异就可能退回机械设计、执行器、传感器、可靠性和成本这些地方。

那些只会组装标准化机械臂、手里又没有部署渠道和工程优势的公司，未必能等来好消息。往后的机器人硬件企业，可以对外说自己有最强的 AI 模型，但也得试着让任何主流模型都能安全、稳定、低成本地控制自家机器人。