ProactiveVLA用主动探索增强具身记忆
热点事件观察中
ProactiveVLA用主动探索增强具身记忆
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Shizuo Tian 等研究者提出 ProactiveVLA 方法，让冻结的 VLA 模型在完成初始任务后，把剩余交互预算分配给智能体自提的目标，通过主动环境探索获取可复用知识，用于部署时适应。评测显示，在相同轮次预算下，ProactiveVLA 在 LIBERO-Pro 和 RoboCasa365 Composite-Seen 上优于基线；在 LIBERO-Pro Goal-T 上，评测阶段最多允许调用一次 VLA 原语时，ProactiveVLA 完成 48% 的实例，而任务精调的先进基线为 19%。
AI 根据报道生成 · 1 天前更新
最新进展10月7日 12:00
ProactiveVLA：通过主动环境探索增强具身记忆报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv cs.RO 机器人学ProactiveVLA：通过主动环境探索增强具身记忆
ProactiveVLA 在完成初始任务后，将剩余交互预算分配给智能体自提的目标，覆盖物体可供性、状态改变交互及其组合，并把任务导向与探索性经验统一整合进记忆以指导后续规划与控制。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 1010月7日 13:00
- 近 24 小时变化
- -50%
02.557.510
18:0010月8日06:0012:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。