Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.21250

帮助 | 高级搜索

计算机科学 > 机器人技术

arXiv:2506.21250 (cs)
[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

Authors:Jing Bi, Lianggong Bruce Wen, Zhang Liu, Chenliang Xu
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。
摘要: This paper introduces ACTLLM (Action Consistency Tuned Large Language Model), a novel approach for robot manipulation in dynamic environments. Traditional vision-based systems often struggle to learn visual representations that excel in both task execution and spatial reasoning, thereby limiting their adaptability in dynamic environments. ACTLLM addresses these challenges by harnessing language to craft structured scene descriptors, providing a uniform interface for both spatial understanding and task performance through flexible language instructions. Moreover, we introduce a novel action consistency constraint that aligns visual perception with corresponding actions, thereby enhancing the learning of actionable visual representations. Additionally, we have reformulated the Markov decision process for manipulation tasks into a multi-turn visual dialogue framework. This approach enables the modeling of long-term task execution with enhanced contextual relevance derived from the history of task execution. During our evaluation, ACTLLM excels in diverse scenarios, proving its effectiveness on challenging vision-based robot manipulation tasks.
主题: 机器人技术 (cs.RO)
引用方式: arXiv:2506.21250 [cs.RO]
  (或者 arXiv:2506.21250v1 [cs.RO] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.21250
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Jing Bi [查看电子邮件]
[v1] 星期四, 2025 年 6 月 26 日 13:35:53 UTC (2,467 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.RO
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号