跳到正文
arXiv cs.AI· Chen Chen, Omid Bagherieh, Naveen Nikamanth Appiah Balaji, Jesse T. Gonzalez, Negin Heravi, Fahad Islam, Xueting Li, Jean-Baptiste Regli, Kejia Ren, Petr \v{S}vec, David J. Yoon, Matthias M\"uller, Vladlen Koltun·· 2 小时前精选AI 评分71

arXiv 论文提出 AMP1 智能体操控策略,RoboLab-120 零样本成功率 85.6%

On Agentic Manipulation Policies

AI 导读

Chen Chen、Matthias Müller、Vladlen Koltun 等人在 arXiv 发表论文,提出让通用 AI 模型直接指挥机械臂的智能体操控策略 AMP1,在 RoboLab-120 上零样本达到 85.6% 成功率,高于领先 VLA 的 49.2% 和 WAM 的 42.9%。

推荐理由

论文提出通用智能体直接操控机械臂的 AMP1,零样本成绩与真实机器人试验数据齐全,读者可据此比较其与 VLA、WAM 路线的差异。

正文 · AI 翻译

作者:Chen Chen、Omid Bagherieh、Naveen Nikamanth Appiah Balaji、Jesse T. Gonzalez、Negin Heravi、Fahad Islam、Xueting Li、Jean-Baptiste Regli、Kejia Ren、Petr Švec、David J. Yoon、Matthias Müller、Vladlen Koltun

查看 PDF HTML(实验性)

摘要:近期的机器人操作研究聚焦于基于演示数据训练的专用策略。我们表明,通用型 AI 模型可以比视觉-语言-动作模型(VLA)和世界-动作模型(WAM)等专用策略更可靠地控制机械臂。我们系统地分析了智能体式操作策略(AMP),即由通用型 AI 模型直接指挥机械臂,并随任务展开实时调整其动作。我们提出了 AMP1,一个可在单臂、双臂和移动操作中无需改动即可运行的参考框架。AMP1 在 RoboLab-120 和 CaP-Gym 基准上取得了最先进的结果,且无需任何演示或任务专用训练。在 RoboLab-120 上,AMP1 零样本达到 85.6% 的成功率,而领先的 VLA 和 WAM 策略分别为 49.2% 和 42.9%。该智能体在涵盖十二个任务、三台机器人的 108 次真实世界试验中零样本成功了 104 次,相比强大的 VLA 和 WAM 基线,失败率分别降低 20 倍和 15 倍。这个基础框架不提供抓取、推放或放置技能;智能体发展出自己的策略,例如搜索隐藏的物体、将物体用作工具以及校准其摄像头。通过添加持久记忆存储,智能体还能从经验中学习:一个带有跨回合保留的记忆表示的增强框架,使 RoboDojo 双臂操作任务的失败率相比零样本部署降低了 4.6 倍。我们的分析表明,AMP 比专用操作策略具有显著更强的泛化能力和稳健性,为机器人操作提供了有前景的基础。代码与视频见 此 https URL。
评论: 代码与视频见:此 https URL
学科: 机器人学 (cs.RO);人工智能 (cs.AI);计算机视觉与模式识别 (cs.CV);机器学习 (cs.LG)
引用格式: arXiv:2611.09892 [cs.RO]
  (本版本见 arXiv:2611.09892v3 [cs.RO])
  https://doi.org/10.48550/arXiv.2611.09892

arXiv-issued DOI via DataCite

提交历史

来自:Matthias Müller [查看邮件]
[v1] 2026年11月6日 星期五 18:59:34 UTC(24,323 KB)
[v2] 2026年11月18日 星期三 17:12:53 UTC(24,188 KB)
[v3] 2026年11月19日 星期四 17:48:05 UTC(24,188 KB)

来源:arXiv cs.AI · arxiv.org