研究团队公开了 Robota-Embed 论文,提出把视觉、语言、动作三模态联合编码进同一嵌入,让历史执行片段在推理时可被检索作为上下文,在自建评测中它取得了 81.77% 的回合级 R@1,这一思路让机器人能够复用以往的执行经验来指导当前任务。
正文完
研究团队公开了 Robota-Embed 论文,提出把视觉、语言、动作三模态联合编码进同一嵌入,让历史执行片段在推理时可被检索作为上下文,在自建评测中它取得了 81.77% 的回合级 R@1,这一思路让机器人能够复用以往的执行经验来指导当前任务。