提出RoboACE的研究人员介绍了一种方法,让机器人智能体通过调整练习任务和执行流程来提升能力。该框架无需修改冻结的基础模型,而是交替更新练习课程和执行机制。
研究人员的评估结果显示,最终的冻结部署版本在LIBERO-PRO上的成功率达到74.0%,比初始部署版本高15个百分点,也比其视觉-语言-动作控制器直接执行时高13.5个百分点。
为什么重要
对于正在评估如何在不修改底层模型的情况下提升机器人技能的研究人员,RoboACE报告称,调整练习任务选择和执行流程可以带来提升;但这些提升能否推广到LIBERO系列测试任务之外,目前尚不清楚。