#机器人操作
共 3 篇相关文章
·5 分钟
AtomicRL：原子强化学习破解长程机器人操作难题
AtomicRL提出原子强化学习框架，通过语义感知策略优化(SAPO)和瓶颈自适应目标探索(BATE)解决VLA长程机器人操作中的信用分配与子任务不平衡问题，在LIBERO-LONG和CALVIN基准上超越PPO，真实任务性能提升21.3%。
阅读全文 →
·5 分钟
目标图像是控制指令：空间接地目标图像合成如何重塑机器人操作
论文揭示目标图像编辑质量与机器人策略成功率脱钩：操作依从性才是关键。SGE-Goal 通过空间接地分解编辑，让开源基座模型在 CALVIN 上超越闭源编辑器，长程任务成功率提升约七倍。
阅读全文 →
·4 分钟
CondenseVLA：可学习历史压缩让多帧VLA更高效
CondenseVLA 提出可学习的解码侧历史压缩模块，用固定 slot token 蒸馏多帧视觉特征，在 Simpler-WidowX 上提升 11.1 个百分点，LIBERO 达 97.2%，并分析其有限历史窗口的局限。
阅读全文 →