研究人员开发了 PhysEvo 框架,旨在增强 Astra 等人工智能模型的操作能力,而无需更改其核心权重。该系统使用一个元代理,通过诊断故障、修改工具和技能以及根据观察到的轨迹测试修正来递归地改进任务代理。PhysEvo 在机器人任务中表现出显著的改进,在 42 个 RoboDojo 任务上取得了 68.14/100 的分数,在具有挑战性的操作任务上成功率为 55.00%,远远超过了现有的参考代理。当部署在 AgileX PiPER 机器人上时,PhysEvo 驱动的系统在 25 次真实世界试验中取得了平均 90.60/100 的分数和 84.00% 的成功率。 AI
影响 通过使人工智能模型能够在无需直接权重更新的情况下通过经验进行改进,从而增强了机器人操作能力。
排序理由 该集群描述了一个新的研究框架及其在基准测试和真实世界机器人上的性能。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →