arXiv · 机器人与计算机视觉· Yutong Hu, Fengjiao Chen, Xuezhi Cao, Renaud Detry·· 16 天前精选AI 评分78
2AM:作为长视界操作可导向动作模型的引导的 Agent 端记忆 grounding
2AM: Grounding Agent-Side Memory as Guidance for Steerable Action Models in Long-Horizon Manipulation
AI 导读
论文提出 2AM 框架,将多模态智能体设为唯一记忆持有者,负责编译交互历史为子任务语言及可选的抓取/放置提示;单通道 RGB 动作模型仅执行运动。通过在演示中增加结构化提示标签并在条件 dropout、空间噪声和时间抖动下训练,使 VLA 能够容忍不完美引导。
推荐理由
该工作将任务记忆置于 Agent 侧以引导动作模型,在无深度与规划器条件下实现显著性能提升。
来源:arXiv · 机器人与计算机视觉 · arxiv.org