跳到正文
Hugging Face Daily Papers·· 2026-09-29精选AI 评分85

MotorMind:为通用视觉语言模型搭建零样本机器人操作框架

MotorMind: Scaffolding General Vision Language Models for Zero-Shot Robot Manipulation

AI 导读

论文介绍 MotorMind,这是一个连接通用视觉语言模型(VLM)与确定性机器人控制的中间层动作表示及异步执行框架。该方案无需任务特定策略训练、代码智能体或 SAM3 等定位工具,在 LIBERO-PRO 基准上实现 66.7% 成功率(扰动下为 53.8%,优于此前零样本方法的最高 13.3%),并在真实 xArm6 机器人上达到 95% 平均成功率。

推荐理由

该工作提出 MotorMind 框架,证明通用 VLM 无需额外训练或工具即可实现零样本机器人操作,显著优于现有方法。

来源:Hugging Face Daily Papers · arxiv.org