Ask-to-Clarify

新框架解决具身AI指令歧义问题

研究人员开发了一个名为Ask-to-Clarify的新框架，以解决赋予具身智能体的指令中的歧义问题。该系统使用多轮对话在生成低级动作之前提出澄清性问题。该框架整合了一个用于协作的视觉语言模型（VLM）和一个用于动作生成的扩散模型，并通过一个连接模块来条件化扩散过程。在八项真实世界任务上进行的评估表明，Ask-to-Clarify的性能优于现有的最先进的VLA，为更具协作性的具身智能体铺平了道路。