实体
Language Table
Language Table
PulseAugur coverage of Language Table — every cluster mentioning Language Table across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
$R^3$ 训练机器人进行自然语言推理以完成操作任务
研究人员开发了一种名为 $R^3$ 的新方法，该方法训练视觉语言模型 (VLM) 以在机器人操作任务中进行自然语言推理。这种训练后技术涉及在中期使用专家推理轨迹对 VLM 进行训练，然后通过从离线动作数据中进行强化学习来对其进行优化。 $R^3$ 方法旨在通过使用自由形式的语言推理来指导低级策略，使机器人能够处理复杂的、长期的任务，在 Language Table 和杂货打包等基准测试中，与模仿学习基线相比，表现出更好的探索和泛化能力。
-
DriftWorld模型通过更快的世界建模加速机器人规划 · 跟踪2个来源
研究人员开发了DriftWorld，一种新颖的动作条件世界模型，可显著加速机器人规划。与需要迭代去噪的基于扩散的模型不同，DriftWorld使用单次前向传播生成未来帧，速度提高了17倍以上。这种速度提升允许更广泛的动作搜索和规划，从而在各种机器人操作基准测试中取得最先进的性能。DriftWorld还可以准确地模拟机器人策略，其滚动分数与地面实况高度相关。
-
研究人员发现AI世界模型存在指令泄露问题
研究人员发现，在那些使用语言目标来接地空间关系（例如“将红色积木放在蓝色积木的左边”）的紧凑世界模型中存在一个关键问题。他们发现，这些模型经常出现“指令泄露”，即模型的准确性来自于转录指令，而不是来自于对场景的实际感知。当目标指令被撤销或更改时，准确性显著下降，这表明模型并未真正接地空间关系，从而证明了这种泄露的存在。提出的解决方案包括将目标与动态分开，并监督读取路径以实现指令无关的接地。