Robota-Embed借助统一视觉-语言-动作嵌入提升机器人任务成功率

这款新模型会检索机器人过去的经验，改进上下文学习，使其在模拟环境和现实任务中的成功率提高。

简讯作者： OossaOossa 发布日期: 2026年10月15日 06:51 UTC1 分钟阅读

由Yunze Liu带领的研究团队发布了Robota-Embed，这是一款面向机器人的视觉-语言-动作嵌入模型。它将当前状态、视觉输入和动作一并编码，再检索相匹配的过往执行过程作为上下文。在测试中，该模型将DROID‑Sim基准上的成功率从47%提高到56%，并将LIBERO困难子集上的成功率从86%提升至93%。它还帮助一个参数冻结的GPT‑6 Astra策略在五项ManiSkill任务中取得68%的成功率，而单独使用该策略时成功率为24%。