跳到正文
arXiv · AI· Fan Huang, Dezhong Tong, Changyu Chen, Haewoon Kwak, Jisun An·· 2026-10-15AI 评分23

指令条件运动控制(ICMC)在 UR5e 机械臂上的语言-代码分解与强化学习研究

Instruction-Conditioned Motion Control for Robotic Arms: Language-to-Code Decomposition and Reinforcement Learning

AI 导读

研究在 MuJoCo 中对比 o1 与 o4-mini 执行立方体抓取和字母重塑任务。通过 GRPO 训练开放权重指令策略,正向奖励率从 31.6% 升至 35.3%。 日志审计发现正向标签与几何失败消息关联,且独立评估协议将任务成功判定与机器人控制分离,以支持可复现评估。

来源:arXiv · AI · arxiv.org