量子位報導 Aether AI 展示 CRIS-0：0.2 秒急停、咖啡測試恢復 9/10

量子位報導，Aether AI 展示具身智慧系統 CRIS-0 在實體機械臂上的運作，稱其能在關閉微波爐門時偵測突然伸入的人手，於 0.2 秒內緊急懸停；當金屬易開罐混在蛋糕盤中時，系統也會先將易開罐挑出，再把盤子送入微波爐。官方尚未由其他來源獨立證實上述展示，以下數據均來自該篇報導。 報導稱，CRIS-0 在 Coffee Preparation 測試中遇到咖啡機遭人移位與光線突變時，平均約 2 秒辨識關鍵因果變數的變化並完成即時重規劃，10 次隨機擾動中成功恢復 9 次。系統追蹤的是咖啡機把手的相對位姿，發現狀態偏移後只修正接近與抓取階段，不必從頭重做整項任務。 在「客廳尋物與整理」長程任務中，CRIS-0 會將目標拆成可驗證的因果階段，逐步檢查前置與後置條件。報導舉例，系統會把普通書本收至茶几，將涉及個人隱私的帳單放入抽屜；面對外觀相似的飲料罐，則先透過抓取與晃動判斷重量及液體狀態，再決定丟棄空罐或放回未喝完的飲料。 在 Personal Pick and Place 測試中，面對「拿一瓶適合晨跑後喝的飲料」等 20 條需要隱含推理的指令，報導稱系統完成 18 次精準抓取與放置。文章將其歸因於系統結合時間、使用者狀態與環境脈絡，推論運動後補充能量及避免高糖等隱含條件，而非只依賴關鍵詞匹配。 技術架構方面，Aether AI 將 CRIS-0 描述為因果原生的 Agent，透過 Unified Tool Interface 整合規則運動函式、技能策略模型、SLAM 導航、驗證器與因果世界模型 CausalWM。規則函式搭配視覺定位與逆運動學處理大範圍位移，策略模型處理倒水及精細抓取等接觸操作，驗證器在各階段檢查物理條件，CausalWM 則先推演候選動作可能造成的狀態變化，再交由 Action Head 輸出控制。 報導稱，系統以「狀態識別、工具選擇、執行、驗證、調整」構成動態任務圖，並設有三級恢復機制：先在目前階段重試，失敗後重新規劃路徑，仍無法完成時才請求人工介入。安全判斷也被描述為內建於各因果階段；關門時伸入的人手會被視為危險變數，但遞水時伸出的手則可能是互動目標。 該文另稱，Aether AI 的因果智能體框架 RSIAgent 在 OSWorld 2.0 取得 78.98% Partial Score，且不更新模型參數即可提升開源模型的 Agent 能力；文章並聲稱其表現超過 GPT-6 Astra 等閉源模型。CausalWM 第一版則據稱在 TriWorldBench 機器人世界模型基準登上排行榜第一名（Top-1）。這些評測結果同樣只有單一來源佐證。 Aether AI 由 UCSD 助理教授、CMU 因果學派學者黃碧薇創立。報導表示，團隊後續仍在推進模組化神經架構與 Causation Transformer，前者讓不同模組對應不同因果機制並可組合替換，後者則以學習因果關係為目標，而非只學習統計依賴。