研究人员推出RoboDuo,一个旨在增强视觉-语言-动作(VLA)模型性能的新框架,特别适用于长时序任务。该闭环系统利用代码作为编码代理和两个VLA之间的接口。代理通过指示一个全任务VLA尝试整个任务,然后检查完成情况来协调任务执行。如果任务失败,则采用一个原子VLA来完成剩余步骤。RoboDuo在包括LIBERO和LIBERO-PRO数据集在内的各种基准测试中表现出持续的改进,并在物理机器人上成功恢复了失败的推出,而无需修改底层VLA的权重。 AI
影响 该框架可以提高执行复杂、多步任务的机器人系统和其他AI代理的可靠性和效率。
排序理由 这是一篇详细介绍VLA模型新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Hugging Face
- Libero
- LIBERO-Atomic
- LIBERO-Code
- LIBERO-Judge
- LIBERO-PRO
- $\\pi_{0.5}$
- RoboDuo
- Vision-language-action model
- X-VLA
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →