arXiv cs.RO 机器人学· Gangyi Li, LuYao Wang, Jingfu Sun, Jingyi Yuan, Hang Liu, Hao Zong, Yujia Hu, Tingting Gao, Jianyong Wang, Xu Yang·· 2 小时前精选AI 评分57
JoyInside-VLM-Agent：面向具身智能体的产品条件化多模态策略学习
JoyInside-VLM-Agent: Product-Conditioned Multimodal Policy Learning for Embodied Agents
AI 导读
JoyInside-VLM-Agent 是一个 ReAct 式多模态智能体，通过产品条件化轨迹构建与分阶段策略学习训练，用于机器人平台和智能硬件。其训练流程包含监督微调、多教师 on-policy 蒸馏，以及名为 DPER 的强化学习方法，DPER 在冻结的特权教师与共享 rollout 策略参数的特权学生之间路由 token 级证据。
推荐理由
论文给出DPER训练方法与BFCL v4得分，可了解其在函数调用基准上相对基线的位置。
来源：arXiv cs.RO 机器人学 · arxiv.org