arXiv · ML· Yanjun Li, Jiarui Ye, Weiyu Guo, Zixiao He, Kangjie Ye, Dihan Wang, Yishuo Cheng, Zishang Xiang, Mingju Gao, Hao Tang·· 9 小时前AI 评分37
Language-Forcing：通过语义对齐全身体世界动作模型提升人形机器人操纵性能
Language-Forcing: Advancing Humanoid Loco-Manipulation via Semantic Alignment of Whole-Body World Action Models
AI 导读
针对世界动作模型无法区分任务相关变化的问题，提出Language-Forcing训练策略，利用语言增强任务相关性。 在HumanoidArena基准中，该方法平均成功率达79.17%，比最强竞争策略高9.46个百分点。 真实任务中平均成功率从53.33%提升至71.33%，且训练期辅助组件不增加推理开销。
来源：arXiv · ML · arxiv.org