arXiv · 机器人与计算机视觉· Chen Chen, Omid Bagherieh, Naveen Nikamanth Appiah Balaji, Jesse T. Gonzalez, Negin Heravi, Fahad Islam, Xueting Li, Jean-Baptiste Regli, Kejia Ren, Petr \v{S}vec, David J. Yoon, Matthias M\"uller, Vladlen Koltun·· 10 天前精选AI 评分78
On Agentic Manipulation Policies:通用 AI 代理策略实现机器人操作新基准
On Agentic Manipulation Policies
AI 导读
论文提出通用 AI 模型可直接控制机械臂的代理操纵策略(AMPs),无需演示或特定训练即可在 RoboLab-120 和 CaP-Gym 基准上达到最先进结果。AMP1 参考框架支持单臂、双臂及移动操作,在真实世界实验中零样本成功率达 85.6%,显著优于现有 VLA 和 WAM 策略。研究还展示了通过持久化记忆提升经验学习能力的潜力,相关代码与视频已公开。
推荐理由
该文提出通用 AI 代理策略在零样本任务中优于专用 VLA/WAM,并开源参考框架 AMP1。
来源:arXiv · 机器人与计算机视觉 · arxiv.org