Spotter：具身模型自主执行、VLM按需纠错
热点事件持续更新
Spotter：具身模型自主执行、VLM按需纠错
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
格里菲斯大学博士生李龙、清华大学博士生赵启超与复旦大学、同济大学团队提出 Spotter 方法：具身模型持续自主执行，轻量级本地模型（始终为 Qwen）并行监督，VLM 只在出错时介入纠错，以避免机器人每步都等待 VLM 推理，并在仿真与真机上评测。 评测中步数上限统一为官方任务评测步数的 1.8 倍（绝大多数任务为 900 至 1500 步），均不使用特权信息；Spotter 的修复以“出错后场景仍可恢复”为前提，Qwen 用时按单张 H200、同一时间只处理一个请求的推理速度计算。
AI 根据报道生成 · 3 小时前更新
最新进展10月21日 17:00
Spotter 论文：具身模型自主执行，VLM 按需纠错降低机器人操作延迟报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- Xbotics具身智能实验室 · 微信公众号Spotter 论文：具身模型自主执行，VLM 按需纠错降低机器人操作延迟
格里菲斯大学博士生李龙、清华大学交叉信息研究院博士生赵启超与复旦大学、同济大学团队提出 Spotter：让具身模型持续自主执行，轻量级本地模型并行监督，VLM 只在出错时介入纠错，避免机器人每步都等待 VLM 推理。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 810月21日 23:00
- 近 24 小时变化
- –
02.557.510
23:0010月22日01:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。