Claude Fable 5.2 具身智能能力介绍
它不是一个专门训练的机器人策略模型，而是通用大模型直接做具身规划：靠视觉输入、世界理解、长程推理输出动作控制逻辑，在RoboDojo双臂基准上大幅超越前代和竞品，并且零专门训练就能泛化到真机灵巧操作，这是最冲击行业认知的点。
一、基准跑分：RoboDojo（双臂仿真机器人，视觉输入）
- Fable 5.2：64.9% 平均成功率
- Fable 5.1：27.6%（这一代直接提升+37.3pct，2.35倍）
- Opus 5.5：39.4%
- GPT-6 Astra：29.8% 官方原话：这个成绩超过多数专门为机器人控制打造的专用具身系统。 RoboDojo是双臂操作基准：从相机RGB画面出发，自主做感知-空间推理-动作序列规划、处理遮挡、物体姿态变化、操作误差，不是固定脚本回放。
二、真机演示能力（无专项微调、零样本/少样本泛化）
官方放出双臂真机视频，全部是它没有专门在这个任务上训练过的：
- 解魔方：双臂配合，一只手固定、另一只拧面，自主判断色块状态、规划还原步骤，中间会调整夹持姿态、修正打滑误差
- 拧瓶盖：一手固定瓶身、一手旋开盖子，需要力矩感知、接触反馈、防止捏碎瓶子
- 绘画：拿笔、控笔轨迹，按视觉目标画出图案 第三方盲测延伸：控制机械臂完整下62步跳棋，频繁出现碰撞、位置偏移、夹持打滑，它可以自主识别失败、回退、重新规划动作，长程任务的容错纠偏很强。
重点区别传统机器人：传统是“预训练操作策略 + 世界模型 + 轨迹优化”；Fable 5.2是通用推理大脑直接把视觉观察翻译成动作计划，给它相机画面+机器人动作接口，它自己拆解子步骤。
三、和具身配套的硬件工程闭环（非常独特，别的大模型很少做到）
具身不止“控制机械臂”，而是从想法到实物全链路物理落地：
单段自然语言需求，Fable 5.2独立完成：
- 器件选型（从分销商BOM选型）
- 4层PCB电路板布线
- 3D外壳CAD建模
- 固件/驱动代码
- 生成可直接投板生产的文件 合作厂商Diode做出硬件后，它还能输出装配、测试指引；官方演示一次性做了3台可正常工作设备：语音中控、USB会议扬声器、电子宠物，没有电气返工、一次点亮。 等于它打通了：物理世界理解 → 硬件设计 → 制造文档 → 机器人装配控制 → 真机操作，形成完整具身工程闭环。
四、底层为什么厉害（技术特点）
- 强视觉-空间绑定：不是看图生图，是理解物体几何、自由度、接触约束、因果物理（齿轮咬合、瓶盖螺纹、魔方转动约束）；对空间遮挡、视角变化鲁棒性明显提升
- 长时序任务规划 + 在线纠错：具身任务容易一步错步步崩；Fable的自适应思考（adaptive thinking）持续根据最新图像观察重新评估计划，随时回退、换方案，而不是硬跑完固定序列
- 跨机器人、跨任务泛化：不需要给每个任务收集百万级机器人轨迹数据；靠通用世界知识推理出新操作，这是现在具身圈最想要的能力
- 它依然依赖底层机器人驱动/控制器：Fable输出高层动作规划，不是底层伺服力矩闭环，底层伺服、力控还是机器人自己的固件；它是“大脑”不是伺服控制器。
五、边界（不要神化）
- 它不是人形机器人整机方案，目前验证集中在双臂固定工作台操作，还没有行走、全身平衡这类移动具身能力
- RoboDojo是仿真基准，真机成功率会低于64.9%，真实物理噪声、摩擦力、形变依然是瓶颈
- 它依赖清晰视觉输入；强光、严重遮挡、透明反光物体，稳定性会掉
- 对比特斯拉Optimus、Figure这类专用具身系统：专用系统在高频、高速重复灵巧动作上依然更强；Fable优势在开放、陌生、从未见过的新任务的推理式操作
六、行业意义
过去业界主流范式：专用世界模型 + 机器人行为克隆/RL，每个任务都要大量机器人数据；
Fable 5.2证明：强通用推理大模型 + 原生视觉空间理解，可以直接当具身大脑，大幅降低新机器人任务的数据成本。
简单对比一句话：
- 传统机器人：见过一万次拧瓶盖，学会拧瓶盖；
- Fable 5.2：知道螺纹、旋转约束，第一次见到瓶子，就能自己想出怎么拧开。
Top comments (0)