跳到正文
arXiv · 机器人与计算机视觉· Nan Sun, Yuan Zhang, Yongkun Yang, Wentao Zhao, Peiyan Li, Jun Guo, Wenxuan Song, Pengxiang Ding, Runze Suo, Yifei Su, Xin Xiao, Xinghang Li, Huaping Liu·· 2026-10-16精选AI 评分82

重新审视具身化思维链:ERVLA 模型实现可泛化的机器人操作

Revisiting Embodied Chain-of-Thought for Generalizable Robot Manipulation

AI 导读

该论文重新审视了具身化思维链(Embodied CoT)在机器人控制中的应用。作者构建了包含 97.8 万轨迹、2.263 亿样本和 2592.5 小时数据的大型语料库,发现仅靠高层推理增益有限且显式思维链作为自回归前缀会导致误差累积。

推荐理由

该文提出 ERVLA 模型,通过训练时保留推理痕迹而推理时直接预测动作的策略,解决了显式思维链在自主生成中误差累积的问题。

来源:arXiv · 机器人与计算机视觉 · arxiv.org