Vision-language-action policies
PulseAugur coverage of Vision-language-action policies — every cluster mentioning Vision-language-action policies across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的DRIVE方法通过多样化的成功轨迹增强VLA策略的泛化能力
研究人员开发了一种名为DRIVE（Diversity-driven RL fIne-tuning for VLA gEneralization）的新方法，以提高视觉-语言-动作（VLA）策略的泛化能力。该技术利用强化学习显式地鼓励成功轨迹的多样性，而不是仅仅优化成功本身。在LIBERO-Plus、ManiSkill3和RoboTwin 2.0等基准测试上的实验表明，DRIVE平均将域外性能提高了5.3个百分点。在AgileX PiPE…
-
综述梳理机器人智能的世界-动作模型
这篇综述论文全面回顾了用于机器人学习与控制的世界-动作模型（WAMs）。它将现有方法组织成一个统一的分类体系，涵盖了表示、转移建模、动作接口、架构、训练流程、数据模态和扩展策略。论文还探讨了WAM在操作、导航和自动驾驶中的应用，并讨论了诸如动作对齐、空间一致性和长时记忆等关键挑战。目标是为整合预测性世界建模与动作生成奠定技术基础，以增强具身机器人的智能。
-
新的MEMOBench基准评估机器人操作记忆能力
研究人员推出了MEMOBench，这是一个旨在评估机器人操作系统记忆能力的新基准。该基准包含30个历史依赖任务和1500多个专家演示，重点关注存储、更新和压缩等记忆操作。目前，视觉-语言-动作（VLA）策略的成功率有限，最强的基线平均成功率仅为31.9%，这表明在任务完成的同时，记忆保真度方面存在显著差距。
-
新模型和框架推动具身AI能力发展
研究人员正在开发先进的模型和框架，以实现更具能力的具身人工智能。一种方法是Athena-Brain-8B，一个为设备端机器人大脑设计的8B LLM，展现出强大的通用智能和具身交互能力，并能给出简洁的响应。另一篇论文探讨了Edmund Berkeley和David L. Heiserman的历史工作，将其视为一个未被充分探索的具身智能架构，将逻辑与硬件和时间扩展行为联系起来。此外，一个1.5B的开源VLA模型MiniCPM-Robot，…
-
调查阐明了用于决策的世界行动模型
一篇新的调查论文阐明了世界行动模型（WAMs）的边界和共性，WAMs是为决策而设计的预测-行动系统。这些模型在表征丰富性与计算约束之间取得平衡，利用各种方法，如大型视频生成模型或语言和视觉-语言骨干网络。该论文根据生成的内容（渲染的未来、潜在的未来或行动推理）及其预测基底、骨干网络、行动耦合和部署机制对现有工作进行了分类。它强调了在保留必要控制能力的同时，生成更少未来内容的趋势。
-
新框架评估机器人策略超越任务成功
研究人员开发了一个新的框架来评估机器人操作策略，特别是比较视觉-语言-动作（VLA）模型与世界-动作模型（WAMs）。该框架分析了机器人的可观察行为及其内部表征。结果表明，虽然WAMs通常能改进任务特定动作，但其益处因架构而异，并可能增加计算成本。研究表明，顺序WAMs能更好地捕捉预测结构，为设计更高效的机器人控制系统提供了见解。