热点事件持续更新

ProAct动作分词方法提升机器人策略成功率

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

Haoran Chen 等人提出动作分词器训练方法 ProAct，在重建目标之外增强下游可预测性与鲁棒性，仅用动作数据训练、与策略无关。在 Robomimic、LIBERO、RoboTwin 基准及多种分词器架构上，ProAct 平均提升 rollout 成功率 11.3 个百分点。该方法迁移到视觉语言动作策略和真实机器人操作时，分别平均提升 21.8 和 36.7 个百分点。

AI 根据报道生成 · 7 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

10月8日

12:00
arXiv cs.RO 机器人学
Beyond Reconstruction：机器人策略动作分词中哪些因素真正重要
论文提出 ProAct 动作分词器训练方法，在重建目标之外增强下游可预测性与鲁棒性，该方法与策略无关且仅用动作数据训练。在 Robomimic、LIBERO、RoboTwin 基准及多种分词器架构上，ProAct 平均提升 rollout 成功率 11.3 个百分点，迁移到视觉语言动作策略和真实机器人操作时分别平均提升 21.8 和 36.7 个百分点。

本事件热度走势

可比范围当前: 8
可比范围峰值: 1010月8日 13:00
近 24 小时变化: –

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。