A | 央视网消息：今年以来，全国多地景区宣布实施门票减免等优惠举措，敞开大门迎接游客。推出优惠政策后，景区的客流出现了哪些变化？一起来看记者的探访。 拿起漏斗，插入圆底烧瓶；拿起量筒，把液体倒入烧瓶；移走漏斗，将烧瓶放到搅拌器上，再塞入瓶塞并按下开关。 工作日的上午，浙江临安的大明山景区已经迎来了300多名来自全国各地的游客，他们在这里体验“矿洞小火车”、钢铁长城、高空栈道等徒步观景类项目。
B | 对人来说，这是一串可以按顺序完成的动作；但对机器人，每一步都藏着两个判断：规划出的动作能否执行，当前动作是否完成。
C | 前者决定规划会不会脱离机械臂的能力，后者决定模型会不会卡在重复动作里，或还没完成当前动作就进入下一步。据悉，大明山景区此前门票价格为88元，今年1月1日起景区推出免门票的优惠政策，游客接待量明显提升。 浙江临安大明山风景旅游发展有限公司负责人徐新称：“周末上千人是有的，比2023年肯定是增长的。免了门票之后，自驾游客人有10%到15%的增长。
D | ” 记者来到了安徽的黄山风景区，不少游客正在排队等着打卡迎客松，它也是黄山风景区非常具有代表性的景点。记者了解到，就在3月份，安徽黄山风景区表示，在二季度非节假日的每个星期三，面向全球游客推出免门票的政策，在其他时间段，对周边8市市民和境外游客也推出半价的门票优惠，这也进一步带动了景区客流量的增长。 端到端 Vision-Language-Action（VLA）模型通常根据当前观测直接生成动作序列。对于短程任务而言，模型仅根据当前画面生成动作序列通常已经够用；但随着任务步骤增多，模型很难持续追踪哪些操作已经完成，也容易混淆画面相似的不同阶段，导致误判任务进度。 另一类分层架构的方法：高层 VLM 负责规划，低层 VLA 负责执行。但二者并不天然兼容 —— 高层给出的往往是较为宽泛的开放语言，低层真正需要的却是明确到操作对象、目标位置和动作约束的可执行指令。
E | 除了黄山风景区之外，安徽省黄山市已有10个景区常态化不收门票，全市常年免门票景区总共达到了32处。数据显示，今年清明假期，黄山、池州、宣城、安庆的90个4A级以上景区合计接待游客约91万人次，同比增长52.6%。 打破“门票依赖症” 多地探索多元经营模式 一些景区免门票后迎来了更多的客流，但同时也面临着营收、管理的压力。许多景区也正在通过优化旅游结构，催生更多旅游消费场景和消费业态，进而拓展多元化的经营模式。
F | 继续来看报道。
G | 在浙江兰溪的兰湖景区，记者乘坐“时光小火车”穿梭在山林之间。
H | “时光小火车”整个轨道长度约为1.6公里，乘坐下来大约需要15分钟。在此期间，游客会穿过花海田园，听林间阵阵的鸟鸣声，来共赴一场春日的美好时光。 章霞是兰湖景区的负责人，她告诉记者，出于吸引更多游客以及打破单一门票收入经营模式的考量，景区自2023年元旦开始向全国游客免费开放。
I | 从数据上看，2023年全年景区客流约70万人，较免门票前增长了130%。 VLA根据单帧输入难以判断任务进度而陷入循环。 章霞表示，兰湖景区每年的门票收入接近400万元，免门票后，景区通过打造游船观光车、水上项目、研学农场等新业态来提升景区的收入。 浙江省兰溪市旅游开发有限公司负责人章霞称：“2023年的整体营收应该是1509万元，而我们之前（2019年）是1200万元，这个增长是非常大的。 近日，来自清华大学、上海人工智能实验室等机构的研究团队提出了 Cortex，一个面向长程机器人操作的双系统具身智能体框架。光餐饮一年的营收就有600万元，像我们的网红小火车一年的收入也有近400万元。
J | ” 一年的丰收从一棵秧苗开始。 它的核心思路，是用统一的结构化子任务描述连接高层规划与低层执行：高层生成的每项任务都明确操作对象、目标位置和动作约束，并被限定在低层执行器已经掌握的技能范围内；低层执行器在训练时，也使用相同格式的子任务描述，即「双向对齐」。
K | 论文标题：Cortex: A Bidirectionally Aligned Embodied Agent Framework for Long-horizon Manipulation 项目网站：https://steinate.github.io/cortex.github.io 论文链接：https://arxiv.org/abs/2607.05377 代码链接：https://github.com/InternRobotics/Cortex 为了让这种对齐真正作用于长程任务，Cortex 并未只设计一个通信接口，而是从架构、数据、训练和部署四个方面搭建了一套完整体系。 视频链接：https://mp.weixin.qq.com/s/_Dkk116WPqO-F8GdCaOvDQ 架构：双系统分工，精准解决 「能不能做」和「做没做完」两大核心问题 在架构上，Cortex 将长程操作分为 System-2 和 System-1 两个层次，通过结构化的子任务将两个系统协同对齐，并通过文本记忆持续跟踪任务进度。在安徽黄山的西递村，村民们正在进行着插秧比赛。
L | 其中上层的 System-2 负责理解任务目标、拆分任务、维护记忆并判断当前进度；System-1 则接收当前子任务，根据子任务描述里的物体与本体约束，并将其转化为连续的机器人动作。一般在每年正式插秧之前，这里都会举办非遗活动，叫作“开秧门”。 System-2 不会一次性生成完整的动作流程，而是根据当前视觉观测和已有记忆，持续判断应该保持当前任务、重新尝试，还是进入下一步。游客们也可以参与进来，亲身体验插秧的辛勤与乐趣，感受浓厚的民俗氛围。System-1 执行动作后产生的新观测会再次交给 System-2，用于更新记忆并判断任务是否完成。 由此，文章开头提到的两个问题被分别落实到系统设计中：结构化子任务接口保证高层提出的任务处于低层执行器的能力范围内，视觉观测与记忆的循环更新则帮助系统判断当前任务是否已经完成。 据了解，黄山市的西递、宏村两个景区也同样推出了门票“免减优”政策。2023年全年，西递村门票收入较2019年减少一成多，但景区也打造了多样的文化消费新场景，比如花灯制作、闹灯会等体验活动，增加了游客在景区的停留时间，二次消费收入增长了近2倍。 双向对齐的具身Agent架构，System-2接受观测和历史记忆输出当前子任务并更新实时记忆 数据：统一技能范式， 让规划指令可落地、无歧义 为消除高低层语义断层，Cortex 将操作行为归纳为 Pick、Place、Pour、Unscrew、Stir 等 32 种标准化技能原语，并为每类技能规定语言模板。 景区减免门票为自身赚取人气和口碑，通过“让利”带动消费，但业内人士也提醒，免门票措施并不适合对门票收入依存度较高的景区。景区不可情急之下“一拥而上”，以免造成新的问题。 复旦大学旅游学系教授沈涵分析称：“各个景区应该根据自身的条件、产业发展的状况来进行取舍，对于采取门票减免的这些景区，可以考虑在不同的季节应用门票这个杠杆来增加游客的流量，同时也需要更进一步地挖掘景区的二次消费，从而提升旅游的综合收入。
M | 开放式的「把水倒进烧杯」会被整理成技能、目标对象与必要属性都明确的命令。数据构建时，对于子任务输出，系统还写入颜色、空间位置、数量以及可达性等信息，减少「拿那个杯子」或「直接抓取不可达物体」一类语义正确、执行起来无法落地的规划。 对于记忆的更新，系统进行了语言压缩、关键信息如物体属性及统计数量写入等增强操作，提高 Cortex 完成空间理解、物体计数和失败恢复等复杂任务的成功率。 围绕这套接口，团队对 4000+ 小时开源长时序视频与轨迹进行结构化标注，并修改仿真数据引擎自动生成约 30 小时带子任务标注的仿真数据。
N | 已有数据通过视觉语言模型重写为统一的子任务模板；自采轨迹则采用一套结合视觉、机器人状态和动作特征，基于动态规划的子任务边界切分工具链，实现自动化精准标注。 训练：最关键的训练样本， 集中在动作交界处 长轨迹的大多数画面都落在动作进行中。若均匀抽帧，模型最常学到的是「继续做当前动作」，真正决定是否切换子任务的边界帧反而很少。 Cortex 采用事件均衡采样（Event-balanced Sampling） 策略：在子任务边界前后约 1 秒的窗口内加密采样，同时保留执行阶段样本。模型既要学会动作尚未完成时保持指令和记忆，也要在看到完成证据后更新记忆、切换下一步。 在 Galaxea 数据的消融实验中，采用事件均衡采样的模型仅需 272 万训练样本，少于对照组的 310 万样本，综合评分却从 7.58 提升至 8.18。这说明对高层规划器而言，增加关键转场附近的监督，比继续堆叠大量稳定执行画面更有效。
o | Event-balanced sampling 示意图。
p | 橙色区间覆盖子任务切换；训练需要同时学会「耐心保持」和「及时换挡」。 实验：仿真领先几个百分点， 实机差距出现在完整任务上 Cortex 通过优化 Agent 框架 harness，直接面向真实机器人长程操作验证。团队不仅在 LIBERO-Long、RoboTwin 2.0 等仿真环境中测试，还将系统部署到真实双臂机器人平台上，Zero-shot 规划完成由数十个子任务组成的复杂化学实验任务。 在 LIBERO-Long 上，Cortex 的完整任务成功率为 95.5%，比单独使用 π0.5 的基线 92.4% 高 3.1 个百分点；在 RoboTwin 2.0 benchmark 下，整体成功率为 86.8%，比 π0.5 的 82.74% 高约 4.1 个百分点。这反映了整套 Agent 框架 —— 高层规划与底层执行对齐为长程任务的完成带来的增益。 更能体现系统差异的是实机长化学实验任务。研究者在 ARX ACONE 双臂平台上设计了两组 14 步流程，每组进行 20 次试验。Cortex 在化学液体搅拌实验和烧杯清洗任务上的完整成功率分别为 65% 和 55%；两种端到端模型（PI0.5 及 MEM）在这组试验中都因为混淆子任务阶段而中途失败。
q | 14 步器皿操作流程。
r | 高层规划器需要持续记录漏斗、量筒、烧瓶和瓶塞的状态，并在确认每一步完成后再下发下一条局部指令。 相比传统端到端 VLA 方法，Cortex 的优势并不只是某一个模块的提升，而是对长程任务进行了系统化建模。 它用结构化子任务接口约束高层规划，用视觉反馈和语言记忆追踪执行进度，再通过闭环更新持续校正后续决策，使机器人能够在多步骤任务中保持目标、状态与动作的一致性。 这种设计让 Cortex 在仿真基准和真实双臂机器人实验中都展现出更强的长程操作能力。更重要的是，它给出了一个清晰的方向：面向真实场景的机器人智能，不能只依赖端到端动作生成，还需要能够围绕长期目标组织步骤、吸收反馈、更新状态，并在复杂流程中稳定推进。 对于真正进入实验室、家庭和工业现场的机器人来说，这种能力或许正是从 “完成一个动作” 走向 “完成一件事” 的关键一步。 作者介绍 论文共同第一作者彭嘉淇，余茜倩与冯德霖均来自上海人工智能实验室。其中彭嘉淇是清华大学与上海人工智能实验室联合培养的三年级博士生，导师为沈渊教授和林达华教授。在王泰研究员的指导下开展包括视觉动作语言模型，视觉语言导航，loco-manipulation 等机器人相关领域研究，致力于构造实现空间语义理解与长程移动操作的可落地具身智能体，曾发表多篇论文在 ICLR，ICRA 等会议上，NavDP/LoGoPlanner 一作，InternVLA-N1 核心作者，曾获得 ICRA oral。
Current article:http://j7o.pisezuibanzoukou.cyou/8uvgwue/6cu.html
Published on:01:37:46
