UCSD 黄碧薇团队发布因果智能系统 CRIS-0，0.2 秒急停、2 秒内重规划
CMU 因果学派学者黄碧薇创立的团队推出机器人系统 CRIS-0，用因果变量替代端到端黑盒拟合，解决长程任务中的误差累积与突发扰动恢复问题。
当易拉罐被和蛋糕盘一起端向微波炉时，机械臂先把罐子挑出来放到一旁，确认盘内安全后再送入。CRIS-0 不靠背题式的坐标记忆，而是实时追踪抓取、位移等因果变量，在咖啡机被移位、光照突变等扰动下平均 2 秒内完成重规划。
正文摘录
当一只金属易拉罐被混在蛋糕盘里端向微波炉，机械臂会先把易拉罐挑出来放到一旁，确认盘子里安全了，再将其送入炉内。 长期关注具身的朋友应该都有体会，现在很多机器人看起来挺炫酷，但大部分时候都是在「背题」。一旦光照变了、东西被踢了一脚、或者指令稍微带点隐含意图，机器人瞬间就抓瞎了。 面对接连不断的突发扰动，系统是基于对物理世界因果规律的理解，实时推理出了这一连串动作。 它的背后，正是由加州大学圣地亚哥分校（UCSD）助理教授、CMU 因果学派学者黄碧薇创立的因果智能企业—— 三个月前，量子位曾报道过这家公司选择的因果智能路线。当时很多人以为因果 AI 还停留在数学公式和思维实验里。 传统机器人面对突发扰动，要么机械地重复旧坐标导致碰撞，要么干脆全流程报错卡死；而端到端黑盒模型在几十步的长程任务里，更是极易产生累积误差，一步走偏满盘皆崩。 在面对外部突发干扰的 Coffee Preparation 测试中，机器人抓取咖啡机时遭遇人为移位、光照突变。CRIS-0 在平均 2 秒内就识别出了因果变量的改变并完成实时重规划，在 10 次随机扰动中实现了 9 次有效恢复。 咖啡机被推开，系统追踪的是「把手相对位姿」这一关键因果变量。当发现变量状态发生偏移，它只会修正接近和抓取的动作阶段，无需回归原位重启。 在「客厅寻物与整理」这种多达数十步的连续任务中，系统把长程目标拆解为原子化、可验证的因果阶段，每推进一步都执行前置与后置条件检查。 面对两个外观相似的饮料罐，它先通过抓取晃动来感知罐体重量与内部液体状态，确认为空罐后才扔进垃圾桶，感知到未喝完的饮料则稳稳放回原位。 在 Personal Pick and Place 测试中，面对类似「给我拿一瓶适合晨跑后喝的饮料」等 20 条需要隐含推理的模糊指令，系统取得了 18 次精准抓取与放置的成绩。