一篇新研究论文探讨了物理状态输入对一款专为操作任务设计的、拥有0.8亿参数的混合语言模型的影响。该研究在三个LIBERO-Spatial任务上训练了六种不同的条件训练方法，并评估了它们在多个种子和回放中的表现。结果显示，在几何增量上设置条件衰减门可实现28.9%的成功率，而打乱这些增量则导致36.7%的成功率，明确的对象/目标几何则为24.4%的成功率。鲁棒性测试表明，仅状态的相对坐标策略在帧重标记下保持了10次中的7次成功，而视觉策略在对象位移方面则面临显著困难。 AI
影响 这项研究突显了在具身语言模型中实现可靠的几何对齐和物理布局泛化的挑战。
排序理由 该集群包含一篇详细介绍研究结果的学术论文，研究对象为混合语言模型。[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 →
