arXiv · 机器人与计算机视觉· Long Li, Qichao Zhao, Yue Yang, Fan Xu, Zhe Wang, Alan Wee-Chung Liew, Chao Qu, Heng Tao Shen, Shirui Pan·· 16 天前AI 评分75
Spotter:让具身模型主导,由 VLM 进行反思与修正
Spotter: Let the Embodied Model Lead, and the VLM Reflect for It
AI 导读
针对当前具身智能模型无法自主修复已知错误的局限,论文提出 Spotter 框架,反转传统 VLM 主导的架构,使具身模型连续执行而 VLM 并行监控并在错误时介入修正。实验表明,结合 Qwen 或 GPT 作为 VLM,该方案在 RoboCasa 基准上提升成功率,并将真机上的成功率从 53% 提升至 83%,且耗时仅比纯具身模型增加约 1.6 秒。代码已开源。
来源:arXiv · 机器人与计算机视觉 · arxiv.org