跳到正文
arXiv · AI· Wei Wang, Wenqiao Zhang, Yutong Lin, Yuqian Yuan, Tianwei Lin, Jinhao Mao, Zhenxuan Fan, Mingjian Gao, Yang Dai, Wentong Li, Zheqi Lv, Zheng Dong, Yingjie Niu, Jiaqi Zhu, Jun Xiao, Chao Li, Yueting Zhuang·· 2026-10-14AI 评分20

EmbodiedSkills:基于世界动作模型增强的级联技能框架用于视觉语言动作智能体

EmbodiedSkills: World Action Model-augmented Cascaded Skills for Vision-Language-Action Agent

AI 导读

EmbodiedSkills 框架通过世界动作模型增强冻结的视觉语言动作(VLA)策略,实现了结果感知的动作选择。该框架定义了七个可复用技能,通过预测潜在后果并评估结果,从候选动作分支中优选。在 MetaWorld MT50 和 CLIPort 测试中,任务成功率分别提升至 78.64% 和 36.83%,验证了其在不同策略后端下的适用性。

来源:arXiv · AI · arxiv.org