LEXP：不更新权重，靠经验上下文提升机器人操作
热点事件历史事件
LEXP：不更新权重，靠经验上下文提升机器人操作
1 篇报道1 个报道来源8 天前更新
先了解这件事
AI 综述
Yihan Zeng 等作者提出 LEXP 机器人操作框架，在模型权重和动作接口全程固定的条件下，把任务级规划与经验模块结合，复用执行经验生成上下文反馈。作者在 12 项真实操作任务中报告：LEXP 成功 23/36 次（63.9%），仅用记忆为 19/36（52.8%），原始 ChatGPT-6-Astra 为 2/36（5.6%）。 在搬面包、垃圾分类与洗漱用品分拣、取抽屉三项任务上，去掉规划后成功率由 7/9 降至 4/9，去掉保留经验后降至 3/9。上述数字均为作者论文中的实验结果。
AI 根据报道生成 · 8 天前更新
最新进展11月2日 13:00
LEXP：通过上下文空间适配从物理经验中学习机器人操作报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.ROLEXP：通过上下文空间适配从物理经验中学习机器人操作
作者提出 LEXP，一个通过上下文空间适配从物理经验中学习的框架，将任务级规划与经验模块结合，在模型权重和动作接口固定的情况下复用执行经验生成上下文反馈。在12项真实操作任务中，LEXP 取得 23/36 次成功（63.9%），仅用记忆为 19/36（52.8%），原始 ChatGPT-6-Astra 为 2/36（5.6%）。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 411月4日 01:00
- 近 24 小时变化
- –
01234
02:0004:0006:0008:0010:0012:00
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。