arXiv · 机器人与计算机视觉· Jie Wang, Bo Zhang, Renzhi Lu, Jianyu Chen·· 23 天前AI 评分70
RoboDuo:通过代码实现尝试、检查与原子级恢复的视觉语言动作模型
RoboDuo: Attempt, Check and Atomic Recovery through Code for Vision-Language-Action Models
AI 导读
针对视觉语言动作模型在长程任务中单步失败导致整体未完成的痛点,本文提出 RoboDuo 闭环双系统框架。该框架利用代码作为编程智能体与两个 VLA 之间的接口:全任务 VLA 负责尝试执行,若检查发现未完成,则由原子 VLA 完成剩余步骤。
来源:arXiv · 机器人与计算机视觉 · arxiv.org