arXiv · 机器人与计算机视觉· Tianyi Jiang, Tianyao Tong, Zhenshan Bing·· 24 天前AI 评分75
LogLook:面向前沿视觉语言模型的机器人规划器执行 grounding 记忆方法
LogLook: Execution-Grounded Memory for Frontier-Model Robot Planners
AI 导读
论文 LogLook 针对无需任务特定训练的前沿视觉语言模型,提出一种结合执行日志与选择性观察的记忆机制。该方法在保持记录的同时让模型自主决定查看位置,仅在预期变化处返回帧并快速浏览演示部分。实验显示,LogLook 在 RoboMME 基准测试集上解决了 93.5% 的任务,相比仅用笔记的记忆方式减少了 43% 的 token 消耗和一半以上的图像使用量,且因记忆或观察导致的失败率显著降低。
来源:arXiv · 机器人与计算机视觉 · arxiv.org