PulseAugur
中
实时 09:14:19
English(EN) Anticipation-VLA: Solving Long-Horizon Embodied Tasks via Anticipation-based Subgoal Generation

Anticipation-VLA 模型通过自适应子目标解决长时域机器人任务

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 Anticipation-VLA，这是一种新颖的层次化视觉-语言-动作 (VLA) 模型，旨在解决长时域具身任务。与使用固定子任务粒度的方法不同，Anticipation-VLA 根据任务不断变化的状态自适应地生成未来的子目标。这种自适应子目标生成是通过对用于高级规划的统一多模态模型和用于动作执行的面向目标的 VLA 策略进行微调来实现的。在模拟和现实世界机器人技术中的实验都证明了该模型在提高鲁棒策略执行方面的有效性。 AI

影响 为长时域机器人任务的自适应子目标生成引入了一种新方法，有望提高规划鲁棒性。

排序理由 这是一篇详细介绍具身人工智能任务新模型架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Anticipation-VLA 模型通过自适应子目标解决长时域机器人任务

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Zhilong Zhang, Wenyu Luo, Haonan Wang, Yifei Sheng, Yidi Wang, Hanyuan Guo, Haoxiang Ren, Xinghao Du, Yuhan Che, Tongtong Cao, Lei Yuan, Yang Yu ·

    Anticipation-VLA：通过基于预测的子目标生成解决长时域具身任务

    arXiv:2605.01772v1 Announce Type: cross Abstract: Vision-Language-Action (VLA) models have emerged as a powerful paradigm for embodied intelligence, enabling robots to perform tasks based on natural language instructions and current visual input. However, existing VLA models stru…

相关实体

相关话题