LIBERO-Long
PulseAugur coverage of LIBERO-Long — every cluster mentioning LIBERO-Long across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新的AtomicRL框架通过VLA模型提升机器人操作能力
研究人员推出了一种新颖的强化学习框架AtomicRL，旨在提高视觉-语言-动作（VLA）模型在复杂、长时程机器人操作任务中的性能。该框架通过采用语义感知策略优化（SAPO）来防止任务边界间的信用污染，并通过瓶颈自适应目标探索（BATE）来聚焦学习未充分发展的子任务，从而解决了信用分配和子任务掌握方面的挑战。该系统还整合了Real2Sim2Real流水线，以实现从模拟到物理机器人的有效迁移，并在LIBERO-Long和CALVIN AB…
-
新的PLaCA框架通过预测未来潜在变化来增强机器人动作生成
研究人员开发了PLaCA，一个用于视觉-语言-动作（VLA）模型的新框架，旨在通过预测斑块级别的未来环境变化来改进机器人动作生成。这种方法直接建模特定图像区域的潜在变化，避免了全图像预测的计算成本和高度压缩的潜在空间的信息损失。在LIBERO-Long数据集上的实验表明，PLaCA的成功率为79.0%，比基线提高了5.0个百分点，并在CALVIN数据集上增强了序列长度，同时仅需最少的参数更新。
-
新的VLA模型增强机器人推理、安全性和效率 · 跟踪10个来源
研究人员正在为机器人技术开发先进的视觉-语言-动作（VLA）模型，重点是提高推理、安全性和效率。TOAST和TRUST等新方法旨在通过引入随机性和监控推理过程来增强策略学习和运行时安全性。其他进展包括用于城市导航的专用模型（UrbanVLA）、可泛化的奖励生成（Large Reward Models）以及节能的脉冲驱动架构。此外，还在努力改进VLA系统中的多智能体协调和长时任务规划。
-
AtomicVLA框架通过原子抽象增强机器人技能学习
研究人员推出了一种名为AtomicVLA的新型框架，旨在增强机器人视觉-语言-动作（VLA）模型的能力。该系统通过实现长时域、多步骤问题解决和持续技能获取，解决了当前单一VLA模型的局限性。AtomicVLA通过技能引导专家混合（SG-MoE）方法实现这一点，该方法构建了一个可扩展的原子技能库，并通过一个路由编码器促进新技能的添加，以实现终身学习。
-
2B参数S²-VLA模型在机器人操作中超越更大模型
华东师范大学和上海交通大学的研究人员开发了S²-VLA，一个2B参数模型，在长时序机器人操作任务中表现优于更大的7B和8.5B模型。通过结合信念状态和自适应动态门控，S²-VLA能够动态调整其注意力机制，以关注任务不同阶段的相关信息，例如精确的视觉对齐或高级意图切换。这种方法减轻了长时序任务中常见的累积误差传播，在LIBERO-Long基准测试中成功率达到96.4%，同时显著降低了VRAM需求并提高了吞吐量。
-
Papers with Code 推出机器人研究中心
Papers with Code 推出了一个新的专门的机器人研究页面，整合了主要的基准测试、带有代码链接的趋势论文以及开源制品。该平台旨在提供该领域的全面概述，可视化基准测试随时间的进展并指示模型可用性。该计划寻求社区对其他基准测试、任务和功能的投入，以增强其覆盖范围。
-
新框架增强轻量级机器人控制模型
研究人员开发了XS-VLA，一个新颖的两阶段框架，旨在利用轻量级视觉语言模型增强机器人控制。该框架解决了大型模型在实时应用中的局限性以及小型模型的“空间盲区”问题。XS-VLA首先将来自大型模型Qwen3-VL-4B的空间知识蒸馏到一个小型SmolVLM2-0.25B骨干网络中，以提高其空间基础能力。然后，这个增强的骨干网络会条件化一个潜在流匹配策略，该策略使用CVAE和流匹配动力学来建模复杂的动作分布。
-
新框架增强具身代理的复杂操作能力 · 跟踪2个来源
两篇新的研究论文介绍了一种使具身代理能够执行长时程操作任务的框架。Cortex 使用一种双向对齐的具身代理框架，并带有定制的规划接口，将高层视觉语言模型（VLMs）的可执行子任务计划传达给低层视觉语言动作（VLA）模型。ACE 是另一个框架，它采用零样本工作流推理来进行桌面操作，将代理推理与可执行技能以及用于适应动态环境和执行失败的多时间尺度记忆相结合。这两种方法都旨在克服当前模型在处理复杂、多步任务方面的局限性。
-
新的Foresight框架使用世界模型检测机器人操作故障
研究人员开发了Foresight，一个用于检测长时程机器人操作任务中故障的新框架。该系统利用动作条件世界模型的潜在表征和函数式共形预测来监控机器人轨迹，仅需最终任务成功或失败标签即可进行训练。Foresight已在各种模拟基准上进行了评估，并在真实机器人手臂上进行了验证，展示了其在复杂机器人操作中可靠故障监控的潜力。
-
AURA-Mem 通过动作门控系统减少机器人 AI 记忆写入
研究人员开发了 AURA-Mem，这是一种专为资源受限的边缘硬件上运行的具身 AI 代理设计的新型记忆系统。与数据中心关注的 KV 缓存不同，AURA-Mem 使用恒定大小的循环记忆体，并通过一个学习到的门控来仅在信息与下一个动作相关时才写入新信息。这种方法显著减少了记忆写入，并保持了固定的记忆占用空间，在效率上优于传统方法，同时在机器人任务上实现了可比的准确性。
-
新的VLA模型将帧压缩为单个标记，提升性能
研究人员开发了一种名为OneWM-VLA的新方法，用于视觉-语言-动作（VLA）模型，该方法优化了长时规划的视觉信息处理方式。该方法将每一帧压缩为单个语义标记，在不牺牲性能的情况下显著降低了视觉带宽。OneWM-VLA使用相对较少数量的参数在2B骨干网上进行训练，在包括MetaWorld MT50和LIBERO-Long在内的多个具有挑战性的基准测试中，成功率得到了显著提高，并在现实世界的机器人任务中显示出潜力。
-
新方法结合视觉-语言模型以实现高级机器人操作任务
研究人员开发了一个名为“交错视觉-语言推理”（IVLR）的新框架，以改进长时程机器人操作。IVLR 利用一种明确的中间表示，称为“轨迹”，该轨迹在文本子目标和视觉关键帧之间交替。这种多模态方法允许 Transformer 模型生成全局语义-几何轨迹，从而增强机器人的规划连贯性和几何基础。