研究人员推出了一种新颖的视觉-语言-行动（VLA）模型方法Reflective VLA，旨在提高具身控制任务的泛化能力。与仅依赖当前观察的反应式模型不同，Reflective VLA 整合了观察-行动-后果三元组的历史记录。这种上下文使模型能够更好地理解机器人校准和驱动偏差等部署特定因素。在标准和分布偏移环境中的实验表明，Reflective VLA 显著提高了成功率，尤其是在具有挑战性的跨环境泛化场景下。 AI
影响 通过整合历史行动后果，增强了具身AI代理的泛化能力，有望提高现实世界中机器人任务的性能。
排序理由 该集群包含一篇详细介绍新模型架构和实验结果的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
