AGT-GSPO训练具身VLM实现错误恢复重规划
热点事件持续更新
AGT-GSPO训练具身VLM实现错误恢复重规划
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Zhuoran Wang 等研究者提出 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 具身视觉语言模型 ERR-VLM 在执行出错后重规划恢复。论文称，AGT-GSPO 使 ERR-VLM 的无错误完成严格成功率提升 10.25 个百分点，恢复率提升 22.95 个百分点。 ERR-Env 提供任务进度与执行错误的反馈；ERR-Bench 包含覆盖正常、中间和错误状态的留出任务，用于评估恢复能力与执行可靠性。AGT-GSPO 结合按轮次的任务进度与错误状态奖励，以及按动作分组的优势估计。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 12:00
AGT-GSPO 通过可验证交互训练具身 VLM 实现执行错误恢复报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv cs.ROAGT-GSPO 通过可验证交互训练具身 VLM 实现执行错误恢复
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。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月21日 12:00
- 近 24 小时变化
- –
02.557.510
12:0013:0014:00
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。