计算机科学 > 机器人技术
[提交于 2025年6月26日
]
标题: ACTLLM:动作一致性调优的大语言模型
标题: ACTLLM: Action Consistency Tuned Large Language Model
摘要: 本文介绍了ACTLLM(动作一致性调优的大语言模型),这是一种用于动态环境中机器人操作的新方法。 传统的基于视觉的系统往往难以学习在任务执行和空间推理方面都表现出色的视觉表示,从而限制了它们在动态环境中的适应能力。 ACTLLM通过利用语言构建结构化的场景描述符来解决这些挑战,通过灵活的语言指令为空间理解和任务执行提供统一的接口。 此外,我们引入了一种新的动作一致性约束,将视觉感知与相应动作对齐,从而增强可操作视觉表示的学习。 另外,我们将操作任务的马尔可夫决策过程重新表述为多轮视觉对话框架。 这种方法使长期任务执行的建模成为可能,并从任务执行的历史中获得增强的上下文相关性。 在我们的评估中,ACTLLM在各种场景中表现出色,证明了其在具有挑战性的基于视觉的机器人操作任务中的有效性。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.