由Yanjun Li领衔的研究人员推出了LANGUAGE-FORCING，这是一种利用描述任务进展的语言来训练机器人世界动作模型的方法。该方法将冻结的视觉语言模型生成的文本嵌入，与机器人预测的未来视觉画面对齐。它只会增加训练阶段的开销，因此机器人运行速度不受影响。在HumanoidArena基准测试中，该方法的成功率达到79.17%，比次优策略高9.46个百分点。在五项真实世界任务中，成功率则从53.33%升至71.33%。
为什么重要
对于人形机器人开发者而言，这项技术能提高任务可靠性，同时不会拖慢机器人运行速度。
