🤖 AI 研究平台 · 技术突破
AI 科学家零漂移研究循环登顶 NavigationBench，四足导航任务超越人类基线
arXivLabs 推出的 AI Scientist 框架，以92.3% 综合得分登顶 NavigationBench v3，在四足机器人导航研究中实现完全可证伪的闭环发现，成为首个在长周期自主研究中保持零漂移的 AI 系统。
来源：综合公开信息整理•
2026-07-22•
全文约 3 分钟读完
#arXivLabs
#AI Scientist
#四足导航
#可证伪发现
🥇 第 1 名
NavigationBench v3 · 38 个参评系统
92.3%
综合得分，领先第二名 7.8 个百分点
0次
漂移次数，1000 步长周期研究
⚡ 30 秒速览
- 赢了多少：在 NavigationBench v3 上超越 Google RT-2-X（84.5%）、Meta AdaptiveNav（81.2%）、OpenAI 基础 Agent（79.1%）登顶。
- 硬核在哪：评测包含 147 个四足导航场景，要求 AI 自主完成从感知到决策的全链路，并用「可证伪性」标准自动校验每个发现。
- 敢不敢验：arXivLabs 已开源全部评测流程与 1000 步研究日志，每一步的决策依据、失败记录、修正逻辑全量可追溯。
- 深层信号：「品味」与「结构」成为 AI 研究的关键词——系统不再只是堆算力，而是学会了如何做科研。
- 去哪体验：arXivLabs 平台已开放 AI Scientist 测试接口，研究者可提交自定义导航任务。
01NavigationBench 榜单 AI Scientist 高居榜首
🥇 AI ScientistarXivLabs
92.3
RT-2-XGoogle DeepMind
84.5
注：柱形自 60 分起缩放，非零起点；分差以标注分数为准。榜首与第二名分差 7.8 个百分点，与随机基线分差 24 个百分点。
02「不漂移」的 AI 科学家：到底解决了什么？
传统 AI 研究系统在长周期任务中会逐渐偏移——起初逻辑正确，100 步后开始重复错误，300 步后完全偏离目标。arXivLabs 的突破在于引入了 「品味」与「结构」双约束。
这套机制让 AI 在四足导航研究中，从感知地形到生成新策略，每一步都保持可证伪性。
传统 AI 研究循环
黑箱探索 → 结果漂移 → 人工介入纠正 → 效率低下，无法自主长跑。
AI Scientist 循环
假设生成 → 结构化验证 → 自动纠错 → 可证伪发现，全程零人工干预。
具体到 NavigationBench 的评测，AI Scientist 在 1000 步连续研究中，从未离开过「可验证」轨道——这是它拿下高分的关键。
03它真的会做研究？三个完整发现案例
🧭 地形感知：碎石坡道的最优步态发现可证伪验证通过
- 假设生成：在 15° 碎石坡道上，增大腿部阻尼系数可减少 22% 侧滑。
- 结构化验证：在 47 组仿真实验中，改变阻尼值并记录侧滑数据，P 值 < 0.01。
- 结论交付：输出完整的参数化策略文件，并附上失败案例的反思记录。
评审结论：「假设可证伪，实验可复现，满足科研标准」。
🦿 能量优化：动态步频调整策略零漂移记录
- 发现固定步频在高负载时能耗浪费 18%，提出自适应步频模型。
- 用 120 组对比实验验证，在 9 种负载条件下均优于基线。
- 系统自动生成科研报告，包含图表、置信区间和失败边界。
LLM 评审：「结论具有普适性，实验设计无逻辑漏洞」。
🧪 多足协同：非对称步态的新发现反直觉结果
- 传统观点认为对称步态能耗最低，AI Scientist 发现非对称步态在崎岖地形反而效率高 7%。
- 通过 68 组实验证实，并分析了机械谐振原因。
- 该发现已被交叉验证，成为 NavigationBench 评测中的经典案例。
04为什么偏偏是 arXivLabs？
arXivLabs 本身是学术共享平台，其核心基因就是开放、可验证、永不漂移的科研价值。AI Scientist 正是这一价值观的工程化实现。
从架构逻辑看，它把科研流程拆成可执行的闭环：
假设生成→实验设计→数据验证→可证伪输出
每一步都强制附带「否定条件」——如果实验不能证明假设错误，则视为无效。这种结构化的科研品味，是传统 AI 系统从未达到的。
换句话说，它把「不漂移」写进了系统底层，而不是靠人工兜底。
编辑核心判断
AI 研究的下半场，比拼的不是生成多少结论，而是能否在长周期内让每个结论都站得住脚——arXivLabs 证明了这条路走通了。