研究人员开发了一种名为H2E(Human-to-Embodied)的新方法,以提高视觉-语言-动作(VLA)模型在具身导航任务中的性能。H2E不依赖大型语言模型(LLM)规划器来执行每个导航步骤,而是将成功的Agent经验直接蒸馏到VLA模型中。这使得VLA能够独立导航,降低了成本和延迟。H2E方法将复杂的Agent会话(包括绕路和子指令)转换为VLA的训练数据,侧重于成功实现目标并屏蔽不相关的移动。这种方法显著提高了8B VLA模型在REVERIE-CE基准测试上的成功率,从35.0%提高到44.9%。 AI
影响 这项研究可能带来更高效、更强大的具身AI Agent,减少导航任务对昂贵的LLM规划的依赖。
排序理由 该项目描述了一种新方法及其在基准测试上的性能,符合研究类别。
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 →