arXiv · 机器人与计算机视觉· Wenrui Bao, Xinxin Liu, Bingxin Xu, Yuzhang Shang·· 2026-10-06精选AI 评分83
递归视频上下文学习用于智能体机器人研究
Recursive Video In-Context Learning for Agentic Robot
AI 导读
针对冻结视觉语言动作策略中演示视频难以适配智能体上下文的难题,本文提出无需训练的递归视频上下文学习方法。该方法将任务演示转化为由抓取、释放等子事件构成的层级结构,智能体在规划时读取粗粒度层级,执行时按需加载细粒度片段。实验显示,基于 RPent 框架应用此方法后,LIBERO-PRO 成功率从 92.6% 提升至 96.5%,LIBERO-Plus 从 86.7% 提升至 95.8%。
推荐理由
提出无需训练的递归视频上下文学习方法,将任务演示转化为层级结构,在 LIBERO-PRO 和 LIBERO-Plus 基准上分别提升成功率至 96.5% 和 95.8%。
来源:arXiv · 机器人与计算机视觉 · arxiv.org