Fable 5.2 在机器人控制上大幅提升，RoboDojo 基准超越专用系统
Anthropic 把通用模型往机器人控制推了一步，在双臂机器人基准 RoboDojo 上赢过不少专用系统，泛化到没训练过的任务也行。做机器人或者关注具身智能的可以看看，这直接影响你们选技术路线：还要不要单独训控制策略。
Anthropic 发布的 Fable 5.2 在物理机器人控制任务上表现出显著提升，甚至在从未明确训练过的任务上也能完成操作。在 RoboDojo 基准上，该模型控制一台模拟双臂机器人，成绩超过了其他通用模型和大多数专门为机器人控制构建的 AI 系统。
RoboDojo 是一个以模拟双臂机器人为测试环境的基准，考察模型对机械臂的操控能力。Fable 5.2 的亮点在于泛化：面对训练中未显式覆盖的任务，它依然可以驱动机械臂完成操作，这说明模型学到的控制能力可以迁移到新场景，而不是只能复现训练分布内的动作。
这条信号对机器人行业值得关注：通用大模型正在直接进入此前由专用 VLA（视觉-语言-动作）模型主导的控制领域。如果通用模型在物理任务上持续拉开与专用系统的差距，机器人公司可能不再需要为每个任务单独训练控制策略，转而把通用模型作为底层控制器接入硬件。
原文只有一段推文式描述，未给出具体分数、对比模型名单或训练细节，以上成绩细节以官方后续发布为准。
Fable 5.2 shows substantially improved skills in controlling physical robots, even on tasks it has never explicitly been trained to do. On RoboDojo, a benchmark with a simulated two-arm robot, it outperformed other models and most AI systems built to control robots.
This report is categorized under AITOP's "Models" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows and US-China foundation model benchmarks and commercialization comparison. Key entities and technical topics under continuous tracking include Fable 5.2, Anthropic, 机器人控制, RoboDojo.
Source attribution: curated from Claude (@claudeai).
