# 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。

Oossa · 2026-10-15 · https://oossa.com/zh/robota-embed-boosts-robot-task-success-with-unified-vision-language-action-embed

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%。

## 事实

- 训练语料：1,695,684个清理后的锚点；基准测试：4,000个查询、8,000条目组成的图库
- 发布日期：2026-10-15

## 为什么重要

机器人开发者可以借助Robota-Embed提升任务表现，而无需重新训练策略，从而节省算力和数据采集成本。

## 来源与参考

1. [Robota-Embed: Unified VLA Embeddings for Robot In-Context Learning and Evolution](https://arxiv.org/abs/2610.19495) – arXiv cs.RO, 2026-10-15

最后更新: 2026-10-15