ReEnvision：机器人操作的选择性动作修复框架

Xiyin Zeng 等研究者提出 ReEnvision，一个面向长时序机器人操作的未来引导选择性动作修复框架：它用执行反馈更新对未来动作的联合信念，只修复缓存动作块中受影响的动作，保留仍然有效的动作，把完整重规划留给严重偏差的情况。 论文称，在 CALVIN、L-CALVIN 和 RLBench 上分别取得 86.6% 的 5 步成功率、把 10 步成功率从 56% 提升到 63%、以及 88.8% 的平均成功率；在五个真实操作任务上平均成功率为 82.8%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。