具身AI「R1の瞬間」：LIBERO終結者LaST-R1、99.9%の成功率を達成する物理推論の新パラダイム

要点

• LaST-R1は行動生成前に潜在空間での思考連鎖推論を行い、物理ダイナミクスを理解する。
• LAPOアルゴリズムは環境報酬を用いて潜在推論と行動ポリシーを共同最適化する。
• LIBEROで99.9%、実世界タスクで93.75%の成功率を最小限の学習データで達成。
• 未知の物体、背景、照明変化に対して頑健な汎化性能を示す。