研究人员开发了PRIMO R1，一个7B框架，通过将视频MLLM从被动观察者转变为主动批评者来增强机器人操作。该系统使用强化学习来鼓励显式的思维链生成以进行进度估计，并以初始和当前状态图像为锚点。实验表明，PRIMO R1取得了最先进的性能，与专门的推理基线相比，平均绝对误差降低了50%，并且优于更大的通用MLLM。它还在故障检测任务上展示了强大的零样本泛化能力，在RoboFail基准测试中超越了OpenAI o1等模型。 AI
影响 通过使AI能够主动评估任务进度和检测故障来增强机器人操作能力。
排序理由 详细介绍新AI框架和基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- OpenAI
- Openai O1 System Card
- PRIMO Dataset
- PRIMO R1
- reinforcement learning
- RoboFail
- supervised fine-tuning
- Yibin Liu
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
