中兴通讯 EmbodiedMind 用 Trie-GRPO 让机器人学会长程规划

中兴通讯提出 EmbodiedMind 三阶段训练范式（RSFT→IR-GRPO→Trie-GRPO），其 8B 模型仅用 52.2 万训练样本，在 18 项具身大脑基准上取得 70.02% 平均成绩，长程规划准确率较现有最优方法提升 30.31%。