跳到正文
Hugging Face Daily Papers·· 2026-10-16精选AI 评分82

HexaShell:一种用于探索 VLM 智能体作为机器人编程智能体极限的轻量级框架

HexaShell: A Thin Harness for Exploring the Limits of VLM Agents as Robot Coding Agents

AI 导读

HexaShell 系统展示了基于视觉语言模型(VLM)的智能体通过编写和修复代码来控制双臂机器人的能力,而非直接学习策略。该系统仅将智能体的指令转化为机器人运动,利用三个 RGB 相机进行三角测量以定位物体,并在 RoboDojo 基准的 42 个任务上取得了 39.7% 的成功率和 48.0 的进度分数,刷新了该基准记录。

推荐理由

HexaShell 系统展示了 VLM 智能体通过编写工具代码控制双臂机器人的能力,在 RoboDojo 基准上达到新 SOTA,并开源了演化出的工具集。

来源:Hugging Face Daily Papers · arxiv.org