新基准和方法提升机器人具身推理和动作精度

研究人员推出了 ERIQ，这是一个旨在评估机器人具身推理的新基准，包含跨越四个推理维度的 6,000 多个问答对。该基准旨在将推理与执行分离，以系统地评估性能，并揭示了具身推理能力与整体视觉-语言-动作 (VLA) 泛化能力之间的强相关性。为了解决将推理转化为精确机器人动作的挑战，该团队还开发了 FACT，一种动作分词器，可将连续控制转换为离散序列，同时保持高保真轨迹重建。这种结合的方法在一个名为 GenieReasoner 的系统中实现，在一个统一的空间内优化推理和动作，在真实世界任务上的表现优于现有方法。 AI

影响 通过提供一个评估和改进具身推理和动作执行的框架，推动了更强大、更精确的机器人系统的发展。

排序理由 该集群包含一篇研究论文，详细介绍了用于机器人具身推理的新基准和方法论。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• CORE Recommender
• DagsHub
• ERIQ
• GenieReasoner
• Gotit.pub
• Hugging Face
• Sukai Wang

• 论文
• 产品
• 其他

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