斯坦福大学在具身智能（Embodied AI）与Physical AI领域长期处于全球引领地位，是当前该方向从“感知智能”迈向“行动智能”的核心推动者之一。不同于传统人工智能侧重于视觉识别或语言理解，斯坦福提出并持续推动一种以“感知—认知—决策—执行“
AdaWorldPolicy 结合世界模型、扩散策略和在线自适应学习，对动态环境和物理反馈的实时响应 ， 实现具身机器人高鲁棒性控制随着具身智能和机器人操作策略的发展，机器人在动态、真实世界环境下执行操作任务的适应性成为核心挑战。传统策略学习方法在环境扰
论文 《GigaWorld Policy》 创新性地提出了 动作中心化的世界 动作策略框架 ，通过训练时联合监督和推理时精简推理设计，实现策略质量与实时控制的平衡。该方法解决了传统 WAM 中视觉和动作表征耦合导致的推理瓶颈，为机器人策略学习提供了高效
英伟达等发布的Cosmos Policy 首次系统性验证了视频生成模型可以作为机器人策略学习的核心基础模型，为具身智能提供了一条全新的技术路径。这一工作不仅推动了“视频模型即世界模型”的理念落地，也为未来构建通用机器人智能体提供了重要参考
PNP机器人（集智联机器人）携全栈式具身智能解决方案重磅亮相，其中基于6自由度inverse3力反馈摇杆的多模态力感知反馈成套方案成为全场焦点，同步展示空间鼠标多源数据采集、视触觉融合技术、通用机器人模型及双臂协作方案，以硬核技术实力彰显具身智能产业
Mujoco 如何在RL中动态或随机更改障碍物位置、开关碰撞计算以及碰撞信息原文链接：https://www.eewor
2026年4月23日，第二届机器人与人工智能行业哈工大校友创业创新峰会暨丁香会机器人全产业链接会于深圳顺利举办。集智联机器人（苏州）有限公司创始人、CEO包文涛作为演讲嘉宾，围绕具身智能机器人与多模态数据采集的前沿实践展开分享
5月6日-9日，2026具身智能机器人产业创新大会（EIR Summit2026）暨第十二届上海国际人形机器人。展会期间，PNP机器人发表主题演讲，深度剖析当前具身智能产业发展趋势、技术突破方向与商业化落地路径，分享了PNP机器人在视触觉融合、灵巧操作、数据
PART.01PNPNP机器人遥操作数据采集方案PNP机器人数据采集遥操作成套方案，赋能具身智能高效数采！
PNP按：ICLR 是国际顶级机器学习与表征学习学术会议，聚焦深度学习、强化学习、多模态、机器人学习等前沿领域
2026年5月19日，上海前滩香格里拉，AMD AI开发者大会（AMD AI DevDay 2026）盛大启幕。本次盛会汇聚全球技术开发者、科研专家、行业领军者，聚焦AI算力革新、软件生态升级与前沿技术落地应用，共探人工智能、具身智能产业全新发展路径。
近期，PNP机器人创始人包文涛与Franka机器人联合创始人Sven在美国波士顿机器人峰会深度讨论。作为 Franka Robotics 2025-2026 年度中国区最大合作伙伴，PNP 机器人深耕具身智能领域多年，目前已累计为行业交付超 500 套成熟的具身智能整体解决方案。
ICRA 2026于奥地利维也纳举办，会议有效投稿4947篇、录用1882篇，录用率38.04%。会议核心研究方向聚焦具身智能、物理AI、VLA视觉语言动作策略、灵巧操作与虚实迁移，本届涌现多项权威最佳论文成果，宾夕法尼亚大学GRASP Lab成果，斩获ICRA2026机器人操作与
Robo2VLM is one of the most groundbreaking embodied intelligence research in NeurIPS 2025. It proposes a new process for generating visual–language question - answering training data from real robot m
【PNP具身总结】具身智能中的策略学习与扩散模型， Diffusion Policy 在机器人操作任务中的优势，也有存在问题与下一步研究方向。扩散模型具有强泛化性，可用于多任务、长序列动作生成，但推理速度慢、数据需求量大
Robo2VLM是NeurIPS 2025 中最具突破性的具身智能研究之一，它提出了一种从真实机器人操作数据中生成视觉–语言问答训练数据的新流程，使视觉–语言模型（VLM）首次真正具备“可解释的操作推理能力”。与传统 VLM 使用互联网静
作者按：“具身智能”概念自2022年左右兴起以来，迅速成为机器人研究领域的前沿方向。它强调机器人系统在物理世界中的感知、
Steering Your Diffusion Policy with Latent Space Reinforcement Learning 提出了一种新的、高效、实用的方式来改进 BC 型扩散策略在真实世界任务中的表现。通过在潜在噪声空
ImMimic 是一项有前景的研究工作，它在处理人类视频与机器人操作之间的跨域挑战方面提出了映射 + 插值 + 共训练的有效组合。在多个任务和机器人结构上展示了较好的成功率与动作流畅性，尤其在机器人示范数据稀少时，能显著提
MolmoAct 提出“动作推理模型”（ARMs）这一新范式，通过三阶段结构—感知编码 · 空间路径规划 · 精确控制输出，实现了机器人在三维空间中的透明推理与可控行为。实验表明它在多项模拟与现实任务中的表现显著优于现有模型。
CRISP 提供了一个将顺应控制与基于学习的操作策略深度整合的开源ROS2框架，在安全性、兼容性与实时性上均有突出表现。它不仅缩小了模拟到现实的性能差距，也为学术界与产业界探索具身智能提供了强有力的基础设施。随着更多研究者与企业
提要：2025年机器人行业盛会IROS在杭州开幕，机器人从传统控制跃迁具身大模型，多模态控制成焦点。
来自CMU的最新论文Neural MP，展示了通用神经运动规划方法。
iros2025杭州大会，慕尼黑工大提出并实现了一个将“语义场景理解”与“运动安全保障”结合的机器人控制框架。主要贡献包括：提出“语义安全滤波器”这一新概念，旨在将人类常识意义上的安全（语义约束）纳入机器人操作保障体系，而不仅限于传
2025 年 ROS 中国区大会（ROS CON China）即将在2025年10月31日-11月1日在上海虹桥新华联索菲特大酒店开幕！作为全球最具影响力的机器人操作系统技术盛会之一，ROS CON 每年汇
【提要】PNP机器人于2025年ROS中国开发者大会发表技术演讲，探讨从协作机器人到具身智能的演进路径。
PNP机器人提出的解决方案，是将VR直觉控制与高精度机械臂控制闭环系统无缝融合，使操作员可以自然地使用VR眼镜对Franka FR3机械臂与灵巧手的直接遥操作。通过PNP的通信中间层，VR端的姿态与力反馈信号以毫秒级延迟同步至机器人执行端
sPCSF 框架为扩散模型在真实机器人系统中的安全部署提供了创新性的解决方案。它以演示数据为核心，突破了传统安全约束对模型和环境依赖的局限，通过路径一致性的学习构建隐式安全流形，并以高效方式实现动作过滤，使扩散策略在真实场景中具备可用性
通过将FR3的硬件功能与MoveIt Pro的先进规划和仿真工具相结合，研究人员和决策者能够更有效地推进操控型人工智能的发展，同时降低成本和风险。
为什么全球顶尖具身实验室都在选Franka机器人？
2025年11月美国具身智能领域的翘楚——Physical Intelligence（简称 PI 或 π）揭晓了其最新力作：机器人基础模型π*0.6。PI，这家总部位于旧金山的机器人与AI先锋企业，正致力于将通用人工智能从虚拟世界
RSS 2024满分论文分享 详细解读清华大学高阳研究组ATM框架
本文探讨了具身智能VLA的多种方案、共识、挑战和未来方向。
24年7月来自CMU的论文“3D Diffuser Actor: Policy Diffusion with 3D Scene Representations”。
来自美的、华东师大、上海大学、北京人形机器人创新中心和清华的论文“ChatVLA: Unified Multimodal Understanding and Robot Control wi...
PNP机器人携手 Franka 机器人等具身智能解决方案，将亮相 CEAI 2025 中国具身智能大会。机器人的数据集需要在实际操作中长期积累获取，其中 Franka、Diana 等机器人数据集备受关注。
从单兵作战到军团协作：具身智能机器人进化的下一个爆发点会是 RoboFactory 吗？
PNP 机器人团队作为国内机器人行业较有影响力的团队之一，在FRANKA 机器人纳入思灵机器人集团旗下后，举办了多次基于 FRANKA 机器人的线上线下活动。这些活动极大地推进了 FRANKA 机器人在具身智能方向落地和发展，也为具身智能
34届ICAPS最佳学生论文——CMU卡耐基梅隆：利用在线生成的经验加速基于搜索的多机器人操作规划第。在多个多臂操作任务中评估了所提出的方法，包括货架重排和箱子抓取任务。在8台FRANKA机器人货架重排任务中，xECBS算法的成功率为84%
【德国·慕尼黑，2025年6月26日】在2025年慕尼黑国际机器人及自动化展览会（Automatica）盛大开
探索Mujoco——一款革命性的物理仿真引擎，专为机器人学和生物力学等领域量身定制。Mujoco以其卓越的动力学模拟、精细的接触力建模和多关节系统仿真能力脱颖而出。它不仅拥有用户友好的操作界面，还提供了详尽的物理参数配置选项和灵活的
FRANKA HAND配置：1、切回Desk界面，此时已经有夹爪添加的模型。
2、点击End-Effector。点击ON。此时末端供给48V电源。
3、点击RE-INITIALIZE，夹爪初始化标定。
Robo-DM 作为一个高效的机器人数据管理工具，解决了大规模、多模态机器人演示数据在存储、传输和加载过程中的关键挑战。其统一的数据格式、高效的压缩与加载机制以及与现有框架的良好兼容性，使其成为推动机器人学习研究和应用的重要
看过前面连载的小伙伴们，很多已经上手了机械臂。不过在进阶之路上又遇到了新挑战：如何让训练好的模型从实验室的 “小场景” 走向复杂真实的工业与生活 “大世界”？
在当今生命科学研究的浪潮中，实验规模的持续扩大与实验复杂度的不断提高，正推动着实验室自动化技术的快速发展。传统的生物实验往往需要大量的人工操作，如移液、样品培养、环境控制和数据采集，这不仅耗时耗力，而且人为误差难以避免，实验重复性和可扩展
回首 2015-2025 的这十年，协作机器人不仅用一场场从实验室到产线的落地验证了“柔性自动化”的可行性，更以自身的产业链积累、技术突破和全球用户基数，为具身智能的崛起提供了坚实的现实土壤。未来 10 年，当具身智能从科研论文真正走向
FTF框架展示了从人类触觉演示中学习机器人对力敏感的操作技能的可行性，并在多个任务中取得了良好的性能。未来的工作可能包括扩展到更复杂的任务、提高策略的泛化能力，以及进一步优化触觉数据的采集和处理方法。
Franka Robotics 机器人全新升级 从全球1400 篇论文看科研 “顶流” 如何坐稳机器人研究 “首选载体”
引言2025年8月1日-3日长沙，2025 年机器人学术年会在长沙举行。
PNP论文解读：Mimic-One——可扩展的通用机器人灵巧操作模型方案一、引言在机器人研究领域，“灵巧操作（
《A Careful Examination of Large Behavior Models for Multitask Dexterous Manipulation》是具身智能研究领域的重要里程碑，标志着从任务特定、数据稀缺的传统范式
大会现场，是走以大模型为核心的端到端控制路径，还是结合模块化感知与规划的混合范式？是优先突破人形机器人的整体协调能力，还是先在机械臂等子系统上实现“局部最优”？这些问题在各个展区与论坛的交流中，被不断提及与深入探讨。
集智联机器人亮相EAI SHOW 2025——致力于机器人即插即用（Plug & Play）技术和具身智能通用解决方案。PNP机器人具有学术背景来自于哈尔滨工业大学、多伦多大学、滑铁卢大学等，具有较强的学术背景。
MolmoAct 提出“动作推理模型”（ARMs）这一新范式，通过三阶段结构—感知编码 · 空间路径规划 · 精确控制输出，实现了机器人在三维空间中的透明推理与可控行为。实验表明它在多项模拟与现实任务中的表现显著优于现有模型。同时它完全开源
多伦多大学机器人研究所还汇集了众多在无人驾驶、机器学习、触觉感知、群体机器人、软体机器人、AI驱动的控制系统等方面的研究力量。由于篇幅有限，这里不再逐一展开，但可以肯定的是，UTRI已经形成了涵盖从理论算法、机器人硬件
FAST（Frequency-space Action Sequence Tokenization），通过对连续机器人动作序列使用离散余弦变换（DCT）与 Byte-Pair Encoding（BPE）相结合实现高效压缩
01研究背景与问题动机在近年来的机器人学习研究中，如何高效利用数据进行策略学习，一直是学界和产业界广泛关注的核
RLDG核心贡献在于提出了一种 基于强化学习驱动的策略蒸馏方法，能够将多教师策略统一为单一通用学生模型，并在多任务、多平台机器人场景中表现出强大的泛化能力和效率优势。
欢迎加入具身智能研究群，群主要关注具身智能机器人数据集、机器人操作策略、多模态感知和融合、机器人轨迹规划、物理
2022年起，具身智能方向兴起！PNP机器人，作为中国最早从事协作机器人的团队之一，广泛的和国内外机器人/具身智能公司合作，提供FRANKA机器人等成套具身智能方案。
PNP机器人解读：谷歌DeepMind开放Gemini Robotics VLA微调，机器人已率先接入双臂Franka机器人。随着硬件发展与训练范式的进化，Gemini Robotics 有望成为真正的“通用机器人智能大脑”。
PNP机器人按：Genesis是一个面向机器人、具身AI和物理AI应用的通用物理平台。Genesis ROS Bridge（gs_ros），这是一个 ROS 2 软件包，ROS集成官方给了基于Franka机器人的案例
PNP机器人按：制造业需要多个机器人在共享且障碍物密集的工作空间内协同。Science Robotics最新论文：RoboBallet提出了一种创新的多机器人协作规划方法，通过将图神经网络与强化学习结合，实现了高效、可扩展和流畅的协作模式。
Genesis ROS Bridge（gs_ros），这是一个 ROS 2 软件包，可以将 Genesis Simulator —下一代物理和渲染引擎 直接连接到 ROS 2 生态系统中。
π0.5 的出现是物理智能领域的重要里程碑。通过异质数据融合、分层推理架构和 Franka机器人 的真实训练数据，实现了“仿真到现实”的跨越。随着开源推动全球合作，π0.5 有望成为机器人学中的通用基础设施，推动机器人从“工具”走向“伙伴”
Deep Reactive Policy: 深度反应策略：学习动态环境下的反应式机械手运动规划。Deep Reactive Policy为机器人在动态环境中的运动规划提供了一种全新的解决思路。它突破了传统方法依赖全局
PNP机器人解读：与需要数百万次环境交互来微调一系列机器人技能的无模型方法不同，DiWA 使用一个基于数十万次
Genesis 用户指南 - 概述什么是 GenesisGenesis 是一个用于机器人、嵌入式 AI 和物理引擎。Genesis 旨在成为机器人研究者、AI 开发者和教育者的核心工具，加速从仿真到现实的技术落地。
本教程通过演示一个简单例子 - 加载Franka机械臂并让其自由落下,介绍如何在Genesis中创建模拟实验的核心步骤和基本概念
提要：2025年9月，PNP机器人密集参与四场重量级活动，全面展现PNP机器人在具身智能与FRANKA机器人生
1部分：研究背景与问题提出近年来，随着机器人操作（Robotic Manipulation）研究的快速发展，如
Fabrica 是一项在机器人装配领域迈出重要一步的研究：它将全局装配规划与本地接触／插入动作的学习融合起来，实现了双臂机器人的通用多部件装配能力，在没有人类演示的条件下，对新物件有较强的泛化性与实用性。
框架在各种材料的浇注技能方面的效用和材料合成的两个实验：溶解度和再结晶。通过Franka 7自由度和另外8自由度机器人臂在两种场景下的性能如表5 所示。结果表明，与7自由度机器人相比，8自由度机器人 和约束运动规划机器人具有更高的成功率。
在过去几十年里先进机器人技术逐年飞速发展，为了在当今的全球市场上保持竞争力，提高机器人灵活度、拓宽机器人应用领域和减少运动能耗是机器人自动化高需求背后的主要驱动力。
这些丝滑动作正是先进Franka机器人力控技术 + 精妙框架设计 + 多模态大模型的加持。不得不说，这么一个简单的动作想让机器人做好是真的是太难了。要是没有 ReKep 技术，想看到机器人熟练地干各种家务活还不知道要等到猴年马月。
本文提出了一种使用Franka 七自由度机器人实现化学实验自动化的方法，将自然语言指令翻译为机器人可执行计划，使用大型语言模型以及 任务和运动规划。为非专家用户添加自然语言实用程序，但将自然语言实验描述从用户转换为低级机器人语言并非简单。
在此次展会上，Franka机器人不仅展示了其在传统工艺中的应用潜力，也进一步证明了它在制造业、生命科学以及教育领域中的广泛适用性。其简便的编程接口和强大的开放性使得Franka能够轻松适应大规模的机器学习和深度学习模型训练，成为研究者们进行
尽管最近数据规模激增，但由于异构性的存在，机器人学习的通用性仍然受到限制。研究人员提出的HPT——一种模块化架构和框架，通过预训练来应对这种异构性。
Franka机器人与PNP机器人战略合作，双方将携手推动Franka机器人在中国市场的广泛应用。PNP机器人作为协作机器人领域的先行者，拥有丰富的行业经验和市场资源，其深厚的产业理解将为Franka机器人在工业自动化中的落地提供重要支持
其与Franka机器人优化相结合，以获得一条安全的现实世界部署路径。在现实对64 个场景用Franka机器人运动规划任务进行全面评估，这些任务涉及四个不同的环境，具有随机的姿势、场景和障碍物，运动规划成功率 提高了23%、17%和79% 。
与在数字孪生上训练的策略相比，使用数字表亲训练的策略在Franka机器人表现出相当的分布内性能和更稳健的分布外性能，并且可以实现零样本模拟到真实策略迁移
六轴机器人和七轴机器人在设计、功能和应用场景上存在明显区别。六轴机器人是工业机器人的传统架构，而七轴机器人则在多自由度和灵活性方面进行了增强。人工智能时代，七轴代表的灵活会逐渐占领市场吗？
斯坦福、伯克利、CMU、Google DeepMind、普林斯顿等多家顶级研究机构联合发布了史上最大机器人操作数据集DROID，包含76k示范轨迹，即350小时交互数据的多样化机器人操作数据集。这些数据是由北美、亚洲和欧洲的50名数据
Franka七轴力控机器人基于DLR的技术基因，以及在研究领域的良好口碑，已经成人工智能领域如大模型、模仿学习等具身智能领域的首选。
本文是您不小心或者需要做恢复出厂设置时，在做恢复出厂设置后需要注意的事项，希望对您有帮助！
通用性大幅提升，支持快速适配多款机械臂，强大能力超乎你的想象！
英伟达论文RVT-2：从少数演示中学习精确操作“RVT-2: Learning Precise Manipulation from Few Demonstrations”。
具身感知、具身交互、具身代理以及模拟到现实的适应
综述调研了近 400 篇文献，从多个维度对具身智能的研究进行了全面解析，聚焦于多模态大模型（MLMs）时代下具身人工智能（Embodied AI）领域。探讨了Embodied AI在实现人
Open X-Embodiment 是迄今为止最大的开源真实机器人数据集，涵盖了从单臂机器人到双臂机器人，再到四足机器人等 22 种不同形态的机器人，共包含超过 100 万条机器人轨迹和 527 项技能（160,266 项任务）。
通过使用深度监督和一种新颖的参考特征计算方法，GraspSplats在不到60秒的时间内生成高质量的场景表示。进一步通过展示GraspSplats中明确且优化的几何形状足以自然支持（1）实时抓取采样和...
重磅！CoRL 2024顶刊会议 清华大学高阳研究组发布“基于大模型先验知识的强化学习”
具身智能机器人操作，为什么很多人说Franka机器人是绕不开的存在？在100多万条机器人轨迹中，Franka数据集接近25%，其他最大不超过6%。
本次机器人大讲堂牵头活动：聚焦具身智能：归来后的Franka机器人历史、机遇和未来 (上)
2024中国机器人产业发展大会
PNP机器人和坤维联合展出Franka机器人
智感力·控未来的机器人力觉的新技术及产业论坛中
分享最新Franka机器人高性能力控性能和具身智能规模化方向
大会时间2024年11月18日-20日
触觉反馈对执行复杂而精细任务至关重要。最近触觉传感器的兴起使机器人能够用触觉扩展其能力。然而，许多任务仍然需要人工干预。为此，提出了一个远程操作框架，旨在根据安装在Franka机器人夹持器上基于视觉触觉传感器数据为操作员提供触觉反馈。
大会时间：12.7-12.8
大会地点：上海宝山伊敦康得思酒店
ROSCon（Robot Operating System Conference）是由全球由机器人操作系统 （ROS）教育基金会与国际ROSCon活动的组织方 OSRF合办
麻省理工学院电气工程与计算机科学系Pulkit Agrawal教授，介绍了一种新方法，可以让机器人在扫描的家庭环境模拟中接受训练，为任何人都可以实现定制的家庭自动化铺平了道路。
RoboCasa是一个大型模拟框架，用于训练具有一般能力的机器人执行日常任务。它以厨房场景为重点，以人为本，具有逼真而多样的环境。我们借助生成式 AI 工具（例如大型语言模型 (LLM) 和文本转图像/3D 生成模型）创建这些环境。我们提供
集智联机器人/PNP机器人受邀，创始人包文涛先生发表了机器人在数据收集与学习策略中的优势和机会方面的演讲，聚焦具身智能与机器人操作的深度融合，深入探讨了Diffusion Policy、UMI数据收集框架和遥操作技术的应用潜力
由物理 AI 驱动的 AI 机器人时代已经来临。物理 AI 模型能够理解周围环境，并在物理世界中自主完成复杂的任务。许多复杂任务都难以编程。本文汇总18种常用的仿真平台，以便使用FRANKA机器人等收集数据仿真的时候选用。
DPPO已经在多个模拟家具组装任务中评估了其性能，并在模拟到真实的迁移实验中，展示了其在真实世界中的性能显著提高。
李飞飞团队ReKep荣获CoRL-LEAP研讨会最佳论文奖，具身智能又下一城！
MimicPlay和DexCap可以结合，用动捕设备采集的数据完全可以用来作为MimicPlay高层次轨迹规划的训练，而且这个训练可以训练到高精度的规划，因为DexCap数据质量更高。对于低层控制，也...
借助基于 NVIDIA Omniverse 的参考应用 NVIDIA Isaac Sim，开发者可以在遵守物理定律的虚拟环境中设计、仿真、测试和训练 AI 机器人和自主机器。
NVIDIA Isaac Sim 可生成数据、训练机器人策略
ROS 2 和 NVIDIA Isaac Sim 机器人模拟与测试入门指南
我们投入了大量资源训练出一个机器人基础模型，希望它能在各种下游任务中发挥作用，而不仅仅是停留在研究阶段。
作为目前最大的机器人扩散模型，RDT展现出了惊人的操控精度和泛化性。
机器人任务大一统！DiffusionVLA：打造高泛化性、高精度的机器人基础模型！
23年7月来自上海交大的论文“RH20T: A Comprehensive Robotic Dataset for Learning Diverse Skills in One-Shot”。
24年7月更新的伯克利分校论文“GELLO: A General, Low-Cost, and Intuitive Teleoperation Framework for Robot Manipula...
ATM的主要想法是，既然像素级的视频建模不是一个好的表征方法，那么我们能否利用类似的想法，把视频变成一些粒子的集合，建模每个粒子的运动来反映整个场景的物理规律，来为控制模型服务。
数据规模化正在推动机器人技术走向新纪元。但研究团队提醒：比起盲目增加数据量，提升数据质量可能更为重要。关键问题在于：如何确定真正需要扩展的数据类型？如何最高效地获取这些高质量数据？
彻底打通“高级VLM推理和高精确3D抓取”之间的《任督二脉》！
斯坦福大学、加州大学伯克利分校、TRI、DeepMind 和麻省理工学院联合发布了一篇开创性的论文——“OpenVLA: An Open-Source Vision-Language-Action Model”。这一研究突破性地利用了互联
北京大学等推出的OmniManip 结合了高级推理和精确的 3D 操作， 使用以对象为中心的表示将 VLM 输出转换为可操作的 3D 约束。双环系统将 VLM 引导规划与 6D 姿势跟踪相结合以执行，以零训练方式实现各种机器人任务的泛化。
UC伯克利BAIR实验室的Sergey Levine、Jianlan Luo团队最近发布了一项革命性的强化学习框架——HIL-SERL。HIL-SERL的表现令人瞩目，仅需1-2.5小时的训练就能在所有任务上达到100%的成功率。
