跳到正文
arXiv · 机器人与计算机视觉· Zhuoran Wang, Keqing Fan, Yang Li, Jinbo Su, Ke Wang, Sijia Luo, Yuanzheng Tan, Junkun Peng, Jing Zhang·· 29 天前AI 评分58

基于可验证交互的具身 VLM 重规划:通过动作分组 Turn-GSPO 进行错误恢复

Replan for Error Recovery: Training Embodied VLMs through Verifiable Interaction with Action-Grouped Turn-GSPO

AI 导读

针对具身视觉语言模型在执行复杂操作时出现错误导致环境状态异常的问题,本文提出 ERR-Env 环境与 ERR-Bench 基准,用于评估任务进展与执行可靠性。研究提出了结合任务进度奖励、错误状态奖励及动作分组优势估计的在线强化学习方法 AGT-GSPO,并训练出紧凑的 2B 参数具身 VLM(ERR-VLM)。

来源:arXiv · 机器人与计算机视觉 · arxiv.org