arXiv cs.RO· Zhuoran Wang, Keqing Fan, Yang Li, Jinbo Su, Ke Wang, Sijia Luo, Yuanzheng Tan, Junken Peng, Jing Zhang·· 3 小时前AI 评分57
AGT-GSPO 通过可验证交互训练具身 VLM 实现执行错误恢复
Replan for Error Recovery: Training Embodied VLMs through Verifiable Interaction with Action-Grouped Turn-GSPO
AI 导读
论文提出 ERR-Env 可验证交互环境、ERR-Bench 基准和在线强化学习方法 Action-Grouped Turn-GSPO（AGT-GSPO），用于训练 2B 具身 VLM ERR-VLM 学习执行错误后的重规划恢复。
来源：arXiv cs.RO · arxiv.org