跳到正文
arXiv · 机器人与计算机视觉· Hang Yu·· 9 天前AI 评分75

无需持续人工干预:一种用于机器人策略改进的智能体循环架构

You Don't Need To Stay in The Loop: An Agentic Robotics Loop for Robot-Policy Improvement

AI 导读

该研究提出 AgenticRobotics 架构,利用大语言模型控制器驱动一次性工作流来管理机器人策略的训练与改进过程。系统核心在于将机器人策略和硬件视为需质量度量、记录及版本失效管理的工具,以应对训练管道和数据收集的频繁失败。实验显示,在单一线程上,该机制实现了极低的人工误晋升率(0.001),具备任意时刻停止下的有效决策能力,并能通过签名验证器检测所有类型的工件篡改行为。

来源:arXiv · 机器人与计算机视觉 · arxiv.org